PASW Statistics 18.0各模块功能介绍
PASW Statistics Base
PASW Statistics Base 为您提供范围广泛的用于基本分析的统计程序，包括计数、交叉列表分析、聚类、描述统计、因子分析、线性回归、聚类分析、有序回归及邻近分析法等。
PASW Direct Marketing
PASW Direct Marketing可以帮助市场调研者轻松有效地完成多种多样的分析，而不需要特别了解统计分析。这个模块提供最近购买 (Recency)、频率 (Frequency)、金额 (Monetary) 的RFM分析，聚类分析，潜在客户概要文件。它也可以通过响应率分析、购买倾向评分、控制包装检验来改善市场营销活动。（这个模块以前称作PASW EZ RFM）
PASW Bootstrapping
PASW Bootstrapping使得研究人员和分析人员可以在PASW Statistics的很多分析中用到Bootstrapping技术。这种技术可以有效地确保模型的稳定性和可靠性。利用PASW Bootstrapp
ing，您可以可靠地估计参数标准差、置信区间，如均值、中位数、比率、优势比、相关系数、回归系数，以及其他参数。
PASW Statistics
Programmability Extension
可扩展编程功能使得P A S WStatistics成为一个强大的统计开发平台。您可以用外部语言写的代码（如
Python、R）开发新的应用程序，以进一步扩展SPSS的分析功能。这个模块可以很方便地开发一些新应用，即新的用户界面，并且可以在PASW输出视图中以枢轴表形式展现结果。要了解更多的编程代码、工具、编程思想，请访问SPSS开发中心：www.spss/devcentral
PASW Regression
当您预测行为和事件，而数据不满足线性回归假设时，可利用多项/二项Logistic回归、非线性回归、加权最小二乘、两阶段最小二乘、Probit等回归方法实现。
PASW Advanced Statistics
PASW Advanced Statistics强大的多变量分析技术包括：广义线性模型(GENLIN)、广义估计方程 (GEE)、混合模型、一般线性模型 (GLM)、方差成分估计、MANOVA、Kaplan-Meire估计、Cox 回归、层次对数线性模型、对数线性模型、生存分析。
PASW Custom TablesTM
利用PASW Custom Tables展现调查、客户满意度、投票选举、和税务遵从报告结果。创建表格时的可预览性， 及其统计推断和数据管理的能力，帮助您更方便清楚地了解结果。
PASW Decision Trees
PASW Statistics可以直接创建高度可视化的分类决策树，用于细分、分层、预测、数据简化和变量筛选、交互作用识别、类别合并、以及离散化连续变量。高度形象化的树状图使您可通过非常直观的方式展示结果。
PASW Exact Tests (仅限Windows)
PASW Exact Tests总能够为您提供正确的P值，无论您的数据是什么结构，即使是非常小的样本量、已做了细目分类的数据子集、或者在响应中有80%或者更多为同一类别。
PASW Categories
利用最优尺度及降维技巧，通过概念图发现分类变量中的潜在关系。该附加模块为您提供分析和解释多元
变量及它们之间关系所需的全部方法，而且更加完备。表示新特性
PASW Forecasting
利用完备的时间序列模型提高预测能力，包括多重曲线拟合、平滑以及自回归方程估计。利用专家建模
器，可自动从ARIMA和指数平滑模型中选择最佳拟合时间序列和因变量的模型，避免反复选择模型的工作。
PASW Conjoint
PASW Conjoint帮助市场研究人员成功地开发产品。通过Conjoint分析，您可以了解客户心目中产品的哪个属性，以及水平是最重要的，进行有效的产品定价和品牌价值研究。
PASW Missing Values
如果您的数据中有缺失值，这个模块能帮助您发现缺失数据和其它变量之间的关系。另外，该模块还能给出缺失数据的估计值。
PASW Data Preparation
PASW Data Preparation 提供很多种方便数据准备的方法。该附加模块使您能够轻松方便地识别虚假的和无效观测、变量、及数据值；查看数据缺失模式；描述变量分布。了解了这些信息，您就可以在分析前，凭借自己的判断力确定数据有效性，并纠正或移除虚假关系。
PASW Neural Networks
用PASW Neural Networks 模块来建模数据中复杂的输入输出之间的关系或者数据之间的模式，可以选择
spss中bootstrap结果解读分类算法（分类输出）或者预测算法（数值型输出）。目前可用的两类算法是多层感知器学习算法和径向基函数(RBF)。
PASW Complex Samples
把复杂抽样设计整合到数据分析中，可更准确地分析复杂抽样数据。PASW Complex Samples通过专门的抽样设计和统计分析工具，降低了由于分层、聚类或者多阶段抽样造成的不正确或误导推论的风险。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。