Базовый модуль (SPSS Base)

SPSS Base – это ключевой элемент пакета SPSS для Windows.

Он включает все процедуры ввода, отбора и корректировки данных, а также большинство предлагаемых в SPSS статистических методов.

Наряду с простыми методиками статистического анализа, такими как частотный анализ, расчет статистических характеристик, таблиц сопряженности, корреляций, построения графиков, этот модуль включает t–тесты и большое количество других непараметрических тестов, а также усложненные методы, такие как многомерный линейный регрессионный анализ, дискриминантный анализ, факторный анализ, кластерный анализ, дисперсионный анализ, анализ пригодности (анализ надежности) и многомерное шкалирование.

C SPSS Base можно интегрировать дополнительные модули и другое программное обеспечение SPSS для обеспечения работы по планированию сбора данных, сбору данных, а также внедрению и распространению полученных результатов.

Кроме того, дополнительные модули и программное обеспечение расширяют возможности анализа данных, создания отчетов, а также управления данными и подготовки данных к анализу.

Ниже перечислены вспомогательные средства пакета SPSS.

Дополнительные модули

Tables.

Модуль SPSS Tables позволяет быстро и без лишних усилий создавать совершенные, готовые для презентации таблицы для наглядного и эффектного представления результатов анализа.

Среди возможностей – предварительный просмотр таблиц в процессе их создания, расчет тестовых статистик, а также улучшенные возможности управления данными.

Regression Models.

Построение моделей и предсказание результатов в случаях, когда линейная регрессия оказывается неприменимой.

В SPSS Regression Models заложены такие методы анализа данных, как логистическая регрессия (мультиномиальная и бинарная), нелинейная регрессия, регрессия методом взвешенных наименьших квадратов, регрессия двухэтапным методом наименьших квадратов, а также пробит–анализ.

Advanced Models.

Среди мощных многомерных методов SPSS Advanced Models – смешанные модели, процедура общего линейного моделирования (ОЛМ), анализ компонент дисперсии, многофакторный дисперсионный анализ, оценивание Каплана–Мейера, регрессия Кокса, иерархические логлинейные модели, логлинейный анализ, анализ выживаемости и новая процедура универсальные политомические логит–модели (для порядковых исходов).

Categories.

Анализ категориальных данных. SPSS Categories позволяет проводить оптимальное шкалирование, включающее анализ соответствий и процедуру CATPCA (Анализ главных компонент методом наименьших квадратов с чередованием).

Для поиска неявных зависимостей в данных в SPSS Categories есть процедура многомерного шкалирования PROXSCAL.