Funktionalität in SPSS Statistics 21 (Basismodul)

• Kreuztabellen - Anzahlen, Prozentsätze, Randmittel, Unabhängigkeitstests, Tests des linearen Zusammenhangs, Maß des linearen Zusammenhangs, Maß ordinaler Daten, Maße für nominal nach Intervall, Übereinstimmungsmaß, relative Risikoschätzungen für Fallsteuerungen und Kohortenstudien.
• Häufigkeiten - Anzahlen, Prozentsätze, gültige und kumulative Prozentsätze, zentrale Tendenz, Verbreitung, Verteilung und Perzentilwerte.
• Deskriptive Statistik - Zentrale Tendenz, Verbreitung, Verteilung und Z-Bewertungen.
• Deskriptive Verhältnisstatistiken - Verbreitungskoeffizient, Abweichungskoeffizient, preisbezogener Unterschied und absolute Durchschnittsabweichung.
• Mittelwerte vergleichen - Legen Sie fest, ob harmonische oder geometrische Methoden angewendet werden sollen; testen Sie die Linearität; führen Sie Vergleiche über unabhängige Beispielstatistiken, gepaarte Beispielstatistiken oder T-Tests mit einem Beispiel aus.
• ANOVA und ANCOVA - Führen Sie Kontrast-, Bereichs- und Post-hoc-Tests durch; analysieren Sie Maße für feste und zufällige Effekte, gruppieren Sie deskriptive Statistiken, wählen Sie basierend auf vier Arten des Quadratsummenverfahrens ein Modell aus; führen Sie Lack-of-Fit-Tests durch; wählen Sie ein ausgeglichenes oder unausgeglichenes Design aus und analysieren Sie die Kovarianz mit bis zu 10 Methoden.
• Korrelation - Testen Sie die bivariate oder partielle Korrelation oder Abmessungen, die auf die Ähnlichkeit oder Verschiedenheit zwischen den Maßen hindeuten.
• Nicht parametrische Tests - Chi-Quadrat, Binomial, Läufe, eine Stichprobe, zwei unabhängige Stichproben, k-unabhängige Stichproben, zwei zusammengehörige Stichproben, k-bezogene Stichproben.
• Explorative Datenanalyse - Konfidenzintervalle für Mittelwerte; M-Schätzer; Bestimmung von Ausreißern; Zeichnen von Ergebnissen.

• Faktoranalyse - Dient dem Bestimmen der zugrunde liegenden Variablen oder Faktoren, mit deren Hilfe das Muster von Korrelationen innerhalb eines Satzes überwachter Variablen erläutert wird. In SPSS Statistics Base bietet das Verfahren zur Faktoranalyse einen hohen Flexibilitätsgrad und die folgenden Methoden:
  • Sieben Methoden zur Faktorextrahierung
  • Fünf Rotationsmethoden, einschließlich Direkt-Oblimin und -Promax für nicht orthogonale Rotationen
  • Drei Methoden zur Berechnung von Faktorbewertungen. Zudem können Bewertungen zur weiteren Analyse als Variablen gespeichert werden.
• Cluster-Zentrenanalyse - Dient der Identifizierung relativ homogener Fallgruppen basierend auf ausgewählten Eigenschaften mithilfe eines Algorithmus, der eine hohe Anzahl Fälle verarbeiten kann. Sie müssen jedoch die Cluster-Anzahl angeben. Wählen Sie eine von zwei Methoden zur Klassifizierung von Fällen aus, entweder das iterative Aktualisieren von Cluster-Zentren oder die reine Klassifizierung.
• Hierarchische Cluster-Analyse - Dient der Identifizierung relativ homogener Fallgruppen (oder Variablengruppen) basierend auf ausgewählten Eigenschaften mithilfe eines Algorithmus, der mit den einzelnen Fällen in einem separaten Cluster beginnt und Cluster kombiniert, bis nur noch ein Cluster übrig bleibt. Analysieren Sie Rohvariablen oder treffen Sie eine Auswahl aus einer Vielzahl von Standardisierungstransformationen. Die Distanz- oder Ähnlichkeitsmaße werden durch das Ähnlichkeitsverfahren generiert. In den einzelnen Phasen werden Statistiken angezeigt, um Ihnen die Auswahl der optimalen Lösung zu erleichtern.
• TwoStep-Cluster-Analyse - Gruppieren Sie Ergebnisse basierend auf dem Nähenkriterium, entweder mit kategorischen oder fortlaufenden Niveaudaten; geben Sie die Cluster-Anzahl an oder wählen Sie die Anzahl automatisch aus.
• Diskriminanz - Bietet neben verschiedenen Methoden zur Variablenauswahl auch Statistiken für die einzelnen Schritten und in einer finalen Zusammenfassung; die Ausgabe wird in den einzelnen Schritten und/oder in finaler Form angezeigt.
• Lineare Regression - Treffen Sie eine Auswahl aus sechs Methoden: Rückwärtselimination, erzwungene Eingabe, erzwungener Ausschluss, Vorwärtseingabe, schrittweise Vorwärtsselektion und R2-Änderung/Test der Signifikanz; erzeugt zahlreiche deskriptive und Gleichungsstatistiken.
• Ordinale Regression - PLUM - Treffen Sie eine Auswahl aus sieben Optionen zur Steuerung des für die Schätzung verwendeten, iterativen Algorithmus, um die numerische Toleranz für die Prüfung der Singularität anzugeben und um die Ausgabe anzupassen; das Modell kann mithilfe von fünf Verknüpfungsfunktionen angegeben werden.
• Analyse Nächstgelegener Nachbar - Dient der Vorhersage (mit angegebenem Ergebnis) oder der Klassifizierung (ohne Ergebnisangabe); geben Sie die Abstandsmetrik an, mit deren Hilfe die Ähnlichkeit der Fälle gemessen wird, und legen Sie fest, ob fehlende Werte oder kategoriale Variablen als gültige Werte behandelt werden.

Funktionsvergleich der verschiedenen SPSS Statistics Editionen