79
образом, чтобы каждое наблюдение представляло бы собой одну
единственную строку. Можно проделать и обратную операцию -
файл, в котором в каждой строке записано по несколько наблюдений,
реструктурировать так, чтобы каждому наблюдению соответствовала
одна строка.
При необходимости строить прогностические модели использу-
ется модуль
IBM SPSS Regression
. Применение сложных моделей при
помощи большого набора процедур нелинейного моделирования.
SPSS Regression Models используется в:
-
Маркетинговых исследованиях для изучения поведения поку-
пателей.
-
Медицинских исследованиях для изучения реакций на изме-
нение дозировки.
-
Анализе кредитов и кредитных рисков.
-
Образовательных исследованиях для измерения успеваемости
и других областях.
Например, прогнозирование категориальных
исходов с числом
категорий более двух
Мультиноминальная логистическая регрессия
позволяет освободиться от ограничений в виде ответов да/нет и мо-
делировать факторы, предсказывающие покупку клиентами товара А,
товара B или товара C. Бинарная логистическая регрессия использу-
ется для прогнозирования значений дихотомических переменных
(например, купил / не купил, проголосовал / не проголосовал). В про-
цедуре имеется несколько пошаговых методов для отбора существен-
ных непрерывных либо категориальных ковариат,
которые наилуч-
шим образом предсказывают значения переменной отклика.
Значительно расширяют возможности моделирования нелиней-
ная регрессия с ограничениями и нелинейная регрессия без ограниче-
ний, реализованные в модуле
SPSS Regression Models
. В этих проце-
дурах есть два метода для оценивания параметров нелинейных моде-
лей. Модели без ограничений анализируются алгоритмом Левенбер-
га-Марквардта. Алгоритм последовательного квадратичного про-
граммирования позволяет задавать ограничения на
оценки парамет-
ров, использовать собственную функцию потерь и получать бутстреп-
оценки стандартных ошибок. Кроме перечисленных методов модуль
реализует и другие функции, расширяющие возможности моделиро-
вания.
Анализ данных станет более точным при помощи процедур, луч-
ше учитывающих свойства исследуемых данных. В
IBM SPSS Advanced
80
Statistics
имеется мощный набор методов одномерного и многомерного
анализа. Например, процедура
Общая линейная модель (ОЛМ)
предос-
тавляет большую гибкость в описании взаимосвязей между зависимой
переменной и набором независимых переменных. Среди имеющихся
моделей: линейная регрессия, одномерный дисперсионный анализ, од-
номерный ковариационный анализ, многомерный дисперсионный ана-
лиз и многомерный ковариационный анализ. В процедуре ОЛМ преду-
смотрена также возможность работы с повторными измерениями, сме-
шанными
моделями, апостериорными критериями, апостериорными
критериями для повторных измерений, четырьмя видами сумм квадра-
тов, парными сравнениями ожидаемых маргинальных средних; специ-
альные методы обработки пропущенных значений и возможность со-
хранения матрицы плана и файла эффектов.
Использование более точных прогностических моделей при ра-
боте с данными иерархической структуры Процедура
Смешанные ли-
нейные модели
расширяет возможности общей линейной модели, ис-
пользуемой в процедуре ОЛМ, предоставляя
возможности анализа
коррелированных данных и данных с непостоянной дисперсией. На-
пример, корректное использование данных о студентах в студенче-
ских группах или о потребителях в домашних хозяйствах позволяет
повысить точность моделей. Смешанная линейная модель позволяет
моделировать не только средние значения, но также дисперсии и ко-
вариации. Гибкость этой процедуры позволяет проверять широкий
спектр моделей. Имеется возможность
использования моделей по-
вторных измерений, включая неполные повторные измерения, когда
число наблюдений для разных объектов наблюдения различно.
В процедуре Смешанной линейной модели можно использовать
самые разнообразные модели, включая
модель однофакторного дис-
персионного анализа (ANOVA) с фиксированными эффектами, мо-
дель рандомизированных полных блоков, модель только случайных
эффектов, модель случайных коэффициентов,
многоуровневый ана-
лиз, безусловная модель линейного роста, модель линейного роста с
ковариатами, модель повторных измерений, с ковариатами, завися-
щими от времени.
Даже этот краткий обзор процедур модуля
SPSS Advanced
Models
наглядно свидетельствует о значительных вычислительных
возможностях модуля.
При помощи
SPSS Categories
можно вводить в анализ дополни-
тельные данные путем включения дополнительных точек.
81
Дополнительные модули
SPSS
для
Windows
, такие как
SPSSRegressionModels
,
SPSS
Ad
v
anced
Models
,
SPSSCategories
и другие
позволяют задействовать еще больше аналитических процедур и, глуб-
же проникая в структуру данных, извлекать полезную информацию для
принятия точных решений. В таблице 2.2 приведены основные модули
системы IBM SPSS Statistics и дана их краткая характеристика.
Do'stlaringiz bilan baham: 
