PASW® Statistics Base 17.0 – Specifications Logiciel Statistique Complet Résolvez les problèmes de gestion et de recherche avec Préparation rapide et simple des données avant analyse PASW Statistics, un progiciel de statistique et de gestion Avant de pouvoir analyser les données, vous devez les de données destiné aux analystes et aux chercheurs. préparer. De nombreuses techniques et fonctions intégrées Comparé à d’autres progiciels d’analyse de données, PASW à PASW Statistics Base simplifient ce travail de préparation. Statistics* est plus facile à utiliser, offre un coût de propriété Voici quelques-uns des points forts de la gestion de inférieur et gère entièrement la totalité du processus données sous PASW Statistics. Avec PASW Statistics Base, analytique. PASW Statistics Base* fait partie intégrante de ce vous définissez très facilement des informations pour processus, disposant de fonctions pour l’accès, la gestion, le dictionnaire de données (par exemple des libellés de la préparation, l’analyse et le reporting des données. PASW valeur et des types de variable). Avec l’outil Define Variable Statistics Base permet de travailler en toute confiance avec Properties, vous préparez vos données à l’analyse plus des modules additionnels et d’autres produits de la gamme rapidement. PASW Statistics Base affiche une liste de PASW Statistics pour bénéficier de capacités de planning, valeurs avec le nombre d’occurrences pour vous permettre de collecte de données et de déploiement. Ces modules d’ajouter ces informations. Une fois le dictionnaire de et produits développent en outre certaines des fonctions données configuré, vous pouvez l’appliquer avec l’outil Copy déjà présentes dans PASW Statistics Base. La plupart des Data Properties. Le dictionnaire de données agit comme fonctions [et des modules additionnels] sont disponibles sur un modèle, vous pouvez l’appliquer à d’autres fichiers de la plate-forme de votre choix : Microsoft® Windows®, Apple® données et à d’autres variables à l’intérieur d’un même Mac® OS X, or Linux®.** fichier. Access and analyze massive datasets quickly PASW Statistics Base simplifie l’identification des doublons, PASW Statistics simplifie l’accès, la gestion et l’analyse ce qui permet de les éliminer avant l’analyse. Utilisez l’outil rapides de tout type d’ensemble de données : données Identify Duplicate Cases pour définir des paramètres et d’enquête, bases de données d’entreprise ou données repérer les doublons de façon à en garder la trace. importées du Web. PASW Statistics Base peut traiter les données Unicode. Cette approche élimine la variabilité, au PASW Statistics Base simplifie en outre la préparation des niveau des données, liée à des encodages spécifiques à la données continues pour l’analyse. Par exemple, le Visual langue utilisée et permet de visualiser, analyser et partager Binner permet de fractionner facilement le revenu par les données écrites en plusieurs langues. Réalisez une “ bandes ” de 10 000 ou les âges par groupes d’âges. Une analyse aussi rapide que possible : laissez votre serveur lecture des données fournit un histogramme qui permet exécuter tout le travail de traitement lourd. Combinez de spécifier les points de rupture. Vous pouvez alors créer simplement PASW Statistics Base avec PASW Statistics Base Server (proposé en option). *P ASW Statistics et PASW Statistics Base, précédemment appelés SPSS Statistics et SPSS Statistics Base, font partie du portefeuille de logiciels d’analyse prédictive de SPSS Inc. ** Amos™ 17.0, PASW Viz Designer, et PASW Exact Tests 17.0 sont uniquement disponibles sur la plate-forme Windows et l’échange des données avec la gamme Dimensions™, composée de produits d’enquêtes, est supporté uniquement par la version 17.0 de PASW Statistics qui s’exécute sous Windows. automatiquement des libellés de valeur à partir des points gamme de procédures statistiques pour l’analyse de base, sous PASW Statistics, offre une méthode rapide et souple L’impact des résultats de l’analyse de rupture spécifiés (par exemple « 21-30 »). dont les décomptes, les tableaux à double entrée, les pour créer, distribuer et présenter les informations en vue Pour tirer le meilleur parti de vos conclusions analytiques, clusters, les descriptifs, l’analyse de facteurs, la régression d’une prise de décision pertinente. Créez des tableaux, vous devez être capable de gérer efficacement les résultats Créez vos propres informations de dictionnaire pour les linéaire, l’analyse de clusters, la régression ordinale et des graphiques et des cubes de rapport s’appuyant sur et de les partager. Avec les capacités de collaboration de variables avec Custom Attributes. Par exemple, créez un l’analyse du plus proche voisin. Une fois votre analyse une technologie de pivot unique et primée et découvrez PASW Statistics, vos analystes peuvent stocker toute une attribut personnalisé représentant la totalité du texte d’une terminée, vous pouvez facilement réécrire les données de nouvelles informations dans vos données. Permutez les variété de ressources techniques (telles que des fichiers de question d’enquête avec un nom de code tel que « demo01 vers votre base de données avec l’assistant Export to lignes, les colonnes et les couches des cubes de rapport – syntaxe, des fichiers de sortie et des fichiers de données) » comme nom de variable. Vous pouvez également créer Database. Pour davantage de puissance analytique, utilisez ou modifiez rapidement les informations et les statistiques dans un environnement centralisés et sécurisé et développer des attributs personnalisés décrivant les transformations PASW Statistics Base avec toute une variété de modules dans les graphiques et affinez votre compréhension des et partager les meilleures pratiques. De plus, ils peuvent pour une variable dérivée avec des informations expliquant additionnels tels que SPSS Regression*** et SPSS Advanced données. En quelques clics, vous pouvez même convertir un distribuer les conclusions afin de permettre aux utilisateurs comment vous avez transformé la variable. Statistics*** spécialisés dans l’analyse de données (des tableau en graphique. de l’entreprise de visualiser et d’interagir facilement avec les résultats via un navigateur Web. Parce que votre équipe va informations détaillées sur ces produits sont fournies à Vous pouvez ouvrir plusieurs ensembles de données avec partir de la page 15). une seule session PASW Statistics Base. Vous gagnez ainsi Générateur de boîtes de dialogue fonctionner au plus haut niveau possible, votre entreprise PASW Statistics 17.0 est fourni avec Custom Dialog Builder, bénéficiera d'un support rapide pour une prise de décision basée sur les données. du temps et vous réduisez le nombre d’étapes lors de la Création simple de graphiques avec capacités de reporting un générateur de boîtes de dialogue personnalisé qui permet fusion des fichiers de données. Cette approche garantit sophistiquées aux utilisateurs plus expérimentés de simplifier les boîtes en outre la cohérence lors de la copie des informations du Créez facilement les graphiques les plus courants de dialogue existantes pour les utilisateurs de l’entreprise dictionnaire de données entre plusieurs fichiers. Si vous (matrices de nuages de points, histogrammes, pyramides et de créer des boîtes de dialogue pour des fonctions le souhaitez, vous pouvez également réduire le nombre de population) avec le Chart Builder. Cette interface personnalisées intégrées via la capacité de programmation. d’ensembles de données actifs. extrêmement visuelle permet de créer un graphique en Pour les utilisateurs moins expérimentés, Custom Dialog déplaçant les variables et les différents éléments vers un Builder permet d’apprendre rapidement à exécuter des PASW Statistics Base vous permet de restructurer vos ‘canevas’ de création. Vous pouvez également gagner du opérations de routine. Quant aux programmeurs, ils fichiers de données pour les préparer à l’analyse. Vous temps en tirant parti d’un graphique déjà présent dans bénéficient d’une méthode de déploiement efficace. pouvez par exemple restructurer un fichier de données la Galerie. Au fur et à mesure de sa construction, une comportant plusieurs cas par sujet en plaçant les données prévisualisation limitée du graphique est affichée. Les de chaque sujet dans un seul enregistrement. Vous pouvez utilisateurs avancés peuvent disposer d’une plus vaste également exécuter l’opération inverse : prendre un fichier gamme de graphiques et de possibilités avec le Graphics de données ayant un seul cas par sujet et subdiviser les Production Language (GPL). données en plusieurs cas. Ce système graphique de présentation vous donne à la Utilisez l’assistant Date and Time pour effectuer des calculs fois le contrôle sur les étapes de création et sur les étapes de date et d’heure, créer des variables date/heure à partir d’édition. Dans un environnement de production, la charge de chaîne contenant des variables de date (telles que « de travail s’en trouve allégée. Créez un graphique une fois, 03/29/06 ») et importer dans PASW Statistics les données puis utilisez vos spécifications pour créer des centaines de de date et d’heure de toute une variété de sources. Vous graphiques du même type. pouvez également analyser chacune des unités de date et d’heure, par exemple l’année, à partir des variables de date Présentation des données avec Report OLAP et d’heure, pour appliquer les filtres. La technologie OLAP transforme la façon dont vous créez Techniques d’analyse complètes l’information et dont vous la et partagez. Report OLAP, Allez au-delà des statistiques résumées et des calculs de *** PASW Regression et PASW Advanced Statistics, précédemment appelés SPSS Regression et SPSS Advanced Statistics, font partie du portefeuille de logiciels d’analyse prédictive de SPSS Inc. type ligne et colonne. PASW Statistics vous offre une vaste 2 3 Caractéristiques General operations ■ Changez la langue de l’interface utilisateur (possibilité par exemple de basculer entre l’anglais et le japonais) ■ Appliquez des séparateurs (splitters) via le Data Editor pour comprendre plus rapidement et plus facilement les grands ensembles de données. ■ Sélectionnez la fonction de barre d’outils personnalisable pour : –Insérer des procédures, des scripts ou d’autres logiciels, –Sélectionner à partir d’icônes de barre d’outils standard ou créer des icônes personnalisées. ■ Travaillez avec des tables pivot/des cubes de rapport multidimensionnels pour : –Réagencer les colonnes, les lignes et les couches en déplaçant les icônes pour des analyses spécifiques plus simples, –Permuter entre les couches en cliquant sur une icône pour une comparaison plus simple entre les sous-groupes, –Activer l’aide en ligne pour les statistiques afin de choisir les procédures statistiques ou les types de graphique et interpréter les résultats ; des exemples d’application réalistes sont fournis. ■ Changez les attributs de texte tels que police, couleur, gras, italiques, etc. ■ Changez les attributs de tableau tels que format de nombre, style de ligne, largeur de ligne, alignement de colonne, trame d’arrière plan et de premier plan, activation ou désactivation des lignes, etc. ■ Affichez ou masquez sélectivement lignes, colonnes ou libellés pour faire ressortir les conclusions importantes. ■ Activez l’aide spécifique à une tâche avec des instructions étape par étape pour : –Visualiser les études de cas montrant comment utiliser les statistiques sélectionnées et interpréter les résultats, –Sélectionner le Statistics Coach™ pour choisir la meilleure procédure statistique ou le meilleur graphique, –Suivre le didacticiel pour apprendre à utiliser le logiciel, –Sélectionner les boutons “ Show me ” (Expliquez-moi) qui sont des liens vers le didacticiel et affichent une aide plus ciblée, –Utiliser l’aide « What’s this ? » (Qu’est-ce que c’est) qui affiche des définitions, des termes statistiques et des astuces. ■ Utilisez les capacités de formatage pour la sortie : –Transformez un tableau en graphique pour une communication visuellement plus attrayante. –Montrez les coefficients de corrélation avec leur niveau de signification (ainsi que n) dans des corrélations en utilisant l’affichage de sortie par défaut. –Spécifiez si un tableau, une fois activé, est ouvert sur place ou dans sa propre fenêtre. –Indiquez la date et l’heure dans le fichier journal. –Faites un clic droit sur l’icône du fichier de syntaxe PASW Statistics pour exécuter un fichier de commande sans passer par le mode de production. –Utilisez les listes déroulantes pour accéder plus facilement aux différentes couches. –Définissez des paramètres de page permanents. –Définissez une largeur de colonne pour toutes les tables pivot et définissez le retour à la ligne pour le texte. –Spécifiez la notation scientifique pour afficher de plus petits nombres. –Spécifiez le nombre de décimales dans les présentations. –Intervenez sur les rapports et utilisez des modèles et du code créés par d’autres utilisateurs de l’entreprise avec l’option SPSS Predictive Enterprise Services. –Ajoutez des notes de bas de page et des annotations. –Réagencez les catégories à l’intérieur d’un tableau pour afficher les résultats de façon plus efficace. –Groupez ou dégroupez des catégories multiples, en lignes ou en colonnes, sous une seule rubrique couvrant les lignes ou les colonnes. –Utilisez l’un des seize TableLooks™ préformatés pour un formatage rapide et cohérent des résultats. –Créez et enregistrez des formats personnalisés en tant que TableLooks. – Affichez les valeurs ou les libellés. – Faites pivoter les libellés de tableau. Ces fonctions sont susceptibles d’être modifiées en fonction de la version finale du produit. 4 Travaillez avec le Viewer pour organiser, visualiser et parcourir les résultats –Conservez un enregistrement de votre travail en utilisant la valeur par défaut « append » dans les fichiers journaux. –Utilisez une représentation schéma¬tique (outline) pour déterminer rapidement l’apparence de la sortie . –Sélectionnez une des icônes de l’aperçu et affichez les résultats correspondants dans le panneau de contenu. –Réagencez les graphiques, les tableaux et d’autres objets en déplaçant les icônes sur l’aperçu. –Réduisez ou développez l’aperçu pour visualiser ou imprimer les résultats sélectionnés. –Placez des tableaux, des graphiques et des objets dans un même panneau de contenu pour pouvoir y accéder et les vérifier facilement. –Justifiez la sortie à droite, à gauche ou au centre. –Recherchez et remplacez des informations dans le Viewer du panneau de contenu, le panneau d’aperçu ou les deux. ■ Créez des spécifications d’analyse et enregistrez-les pour les tâches répétitives ou le traitement automatisé. ■ Utilisez le mode de production optimisé avec boîtes de dialogue et macros pour un reporting périodique plus simple. ■ Contrôlez entièrement le fractionnement des tableaux avec pagination et impression optimisées. ■ Sélectionnez l’option d’aperçu avant impression. ■ Entrez vos propres commandes via une fenêtre de saisie de type ligne de commande. ■ Utilisez les explications du glossaire des termes statistiques en ligne. ■ Travaillez plus facilement avec les données, grâce à : –Des boîtes de dialogue redimensionnables, –Des fonctions de type glisser-déposer dans les boîtes de dialogue. ■ Exportez la sortie vers Microsoft Word –Convertissez les tables pivot en tableaux Word sans aucune perte de formatage. –Convertissez les graphiques en images statiques. ■ Retour automatique à la ligne et contraction des grands tableaux. ■ Syntaxe pour automatiser la production de rapports. ■ Exportez la sortie vers PowerPoint® (Windows uniquement) –Convertissez les tables pivot en tableaux sous PowerPoint sans perte de formatage. –Convertissez les graphiques en images statiques. –Retour automatique à la ligne et réduction des grands tableaux. –Syntaxe pour automatiser la production de rapports. –Modifiez un document existant en y ajoutant lignes ou colonnes. ■ Exportez la sortie vers Excel® –Placez des tableaux sur une même feuille ou sur des feuilles séparées dans un classeur Excel. –Exportez la vue en cours uniquement ou bien toutes les couches d’une table pivot PASW Statistics. –Placez toutes les couches de la table pivot sur une seule feuille ou placez chaque couche sur une feuille séparée dans un classeur Excel. ■Syntaxe pour automatiser la production de rapports. ■Créez une nouvelle feuille de calcul à l’intérieur d’un classeur existant. ■Modifiez une feuille de calcul existante en y ajoutant des lignes ou des colonnes. ■Exportez la sortie au format PDF –Optimisez le fichier PDF pour visualisation sur le Web. –Faites correspondre les signets générés par PDF aux entrées de Navigator Outline de l’Output Viewer. Les marque-pag¬es facilitent la navigation dans les grands documents. –Intégrez des polices au document. Avec des polices intégrées, le lecteur visualise votre document avec les polices d’origine, ce qui évite toute substitution de polices. ■Syntaxe pour automatiser la production de rapports. ■Ouvrez/enregistrez et créez facilement de nouveaux fichiers de sortie via la syntaxe. ■Faites défiler l’affichage à l’aide de la souris dans l’Output Viewer. ■Changez la langue d’affichage (par exemple basculer entre le japonais et l’anglais). ■ Utilisez la fonction de script pour : –créer, éditer et enregistrer des scripts, –construire des interfaces de masque personnalisées, –assigner des scripts aux icônes de la barre d’outils ou aux menus, –exécuter automatiquement les scripts lorsque certains évènements se produisent, –créer des scripts plus facilement et de façon plus fiable grâce au support de Python 2.5. ■Utilisez l’automatisation pour : –intégrer PASW Statistics à d’autres applications bureautiques, –construire des applications personnalisées avec Visual Basic®, PowerBuilder® et C++, –intégrer PASW Statistics à d'autres applications (telles que Word ou Excel). ■Utilisez la commande HOST pour tirer parti de la fonction de système d’exploitation de PASW Statistics. Cette commande permet aux applications « d’échapper » au système d’exploitation et d’exécuter d’autres programmes en synchronisation avec la session PASW Statistics. ■Evitez la subdivision des tâches de syntaxe en créant un projet commun, ou principal, pour y inclure des transformations concernant plusieurs projets. –Gérer mieux les projets, fichiers de syntaxe et ensembles de données multiples. ■Spécifiez des règles de syntaxe interactives avec la commande INSERT. ■Créez facilement de la syntaxe avec l’Editeur de syntaxe de commande et ses nouvelles fonctions : –Remplissage automatique (autocompletion), – Codage de couleur de la syntaxe, –Codage d’erreur de la syntaxe, –Gouttière pour afficher les numéros de lignes et les points de rupture, –Parcours étape par étape des tâches de syntaxe, –Auto-indentation. ■Custom Dialog Builder permet de créer des interfaces définies par l’utilisateur pour les procédures existantes et les procédures définies par l’utilisateur. ■ PASW SmartReader permet de partager la sortie de PASW Statistics avec les utilisateurs qui ne possèdent pas PASW Statistics Base. ■ Capacités graphiques ■Graphiques catégoriques – Barres 3D : Simples, clusters, empilées –Barres : Simples, clusters, empilées avec ombre projetée et 3D – Courbes : Simples, multiples et drop-lines – Secteurs : Simples et empilés – Aires : Simples, éclatées et 3D ■Graphiques boursiers : max-min-clôture, zone de différence et barre d’étendue – Surfaces : Simples et clusters – Barres d’erreur : Simples et clusters –Barres d’erreur : Ajoutez des barres d’erreur aux diagrammes à barres, aux courbes et aux secteurs ; niveau de confiance ; écart type et erreur standard – Double axe Y et superposition ■ Nuages de points –Simples, groupés, matrices de nuage de points et 3D, –Courbes d’ajustement : linéaires, quadratiques ou régression cubique et lissage LOWESS ; contrôle de l’intervalle de confiance pour le total ou pour les sous-groupes et étiquette des données, –Représentation par couleur ou taille de repère pour éviter les chevauchements. ■ Graphiques de densité –Pyramides de population : axe en miroir pour comparer les répartitions ; avec ou sans courbe de Gauss, –Graphiques à points : les points empilés montrent la distribution ; symétrique, empilé et linéaire, –Histogrammes : avec ou sans courbe de Gauss ; options de regroupement (binning) personnalisés. ■ Graphiques de contrôle de qualité – Pareto, – X-Bar, – Plage, – Sigma, – Individuels, – Plage mobile, –Le contrôle des optimisations de graphique inclut le repérage automatique des points qui violent les règles Shewhart, la capacité à désactiver les règles et la capacité à supprimer des graphiques. Ce symbole indique une nouvelle fonction. 5 Graphiques de diagnostic et graphiques exploratoires –Graphes de cas et graphes de séries temporelles, – Graphes de probabilité, –Graphes des fonctions d’autocorrélation partielle et d’autocorrélation, –Graphes de fonction de corrélation croisée, –Caractéristiques ROC (Receiver-Operating Characteristics). ■Graphiques à usage multiple –Graphiques à courbes 2D (les deux axes peuvent être des axes d’échelle), –Graphiques pour des ensembles à réponses multiples. ■Graphiques personnalisés –Graphics Production Language (GPL), langage de création de graphiques personnalisés, permet aux utilisateurs avancés de disposer d’une gamme plus vaste de possibilités en termes de graphiques et d’options. ■L’intégration de Graphboard permet d’accéder aux modèles de graphique créés dans PASW Viz Designer via PASW Statistics Base. ■Options d’édition –Réagencez automatiquement les catégories selon un ordre différent (croissant ou décroissant) ou à l’aide de méthodes de tri différentes (valeur, libellé ou statistique résumée). –Créez des libellés de valeur pour les données. –Déplacez les éléments vers toute position du graphique, ajoutez des lignes de connexion et faites correspondre la couleur de la police au sous-groupe. –Sélectionnez et éditez des éléments spécifiques directement à l’intérieur d’un graphique : couleurs, texte et styles. –Choisissez à partir d’une vaste gamme de styles et d’épaisseurs de ligne. –Affichez des quadrillages, des lignes de référence, des légendes, des titres, des notes de bas de page et des annotations. –Insérez une ligne de référence Y=X. ■Options de présentation –Graphiques en panneaux : créez un tableau des graphiques secondaires, un panneau par niveau ou condition, montrant plusieurs lignes et colonnes. ■ –Effets 3D : rotation, modification de la profondeur et affichage des arrière-plans. ■Modèles de graphiques –Enregistrez les caractéristiques sélectionnées d’un graphique et appliquez-les automatiquement à d’autres graphiques. Vous pouvez appliquer les attributs suivants au moment de la création ou de l’édition : mise en page, titres, notes de bas de page et annotations, styles d’éléments de tableau, styles d’éléments de données, plages d’échelle des axes, paramètres d’échelle des axes, courbes d’ajustement et de référence et nuage de points avec point binning. –Présentation sous forme d’arborescence et contrôle plus fin des groupes de modèles. ■Exportation de graphiques : BMP, EMF, EPS, JPG, PCT, PNG, TIF et WMF ■Utilitaire de conversion IGRAPH pour ouverture des fichiers dans SPSS 15.0 et les versions antérieures Analyse Statistiques descriptives Rapports ■Avec les cubes OLAP vous pouvez : –estimer rapidement les changements au niveau de la moyenne ou de la somme de deux variables reliées en utilisant le changement de pourcentage. Par exemple, visualisez facilement la façon dont les ventes augmentent d’un trimestre à l’autre. –créer des résumés de cas. –créer des résumés de rapport. –Générer des rapports de type présentation à l’aide de nombreuses options de formatage. –Générer des listes de cas et des rapports résumés de cas avec des statistiques pour les sous-groupes. Guide de codification (codebook) ■Contrôlez les informations variables incluses dans les résultats : position, libellé, type, format, niveau de mesure, libellés de valeur, valeurs manquantes, attributs personnalisés, attributs réservés. Ces fonctions sont susceptibles d’être modifiées en fonction de la version finale du produit. 6 Contrôlez l’ordre des informations sur les fichiers dans les résultats : nom, emplacement, nombre de cas et libellé de fichier, attributs personnalisés définis par l’utilisateur, texte des fichiers de données, nombre d’octets, attributs de fichier de données réservés ■Contrôlez les statistiques résumées : nombre de cas dans chaque catégorie, pourcentage de cas dans chaque catégorie, moyenne, écart type, quartile. ■Contrôlez l’ordre d’affichage : ordre des fichiers, ordre alphabétique par nom de variable, ordre dans lequel les variables et les jeux de réponses multiples sont listés dans la commande, niveau de mesure, nom d’attribut personnalisé défini par l’utilisateur et valeur. ■ Fréquences ■Tables de fréquence : décomptes de fréquence, pourcentage, pourcentage valide et pourcentage cumulatif ■Option de classement de la sortie par analyse ou par table ■Tables de sortie plus compactes par élimination des lignes de texte supplémentaires lorsqu’elles ne sont pas nécessaires ■Tendance centrale : moyenne, médiane, mode et somme ■Dispersion : maximale, minimale, étendue, écart type, erreur standard et variance ■Distribution : Kurtosis, erreur standard Kurtosis, asymétrie et erreur standard d’asymétrie ■Valeurs percentiles : percentiles (basés sur les données effectives ou groupées), quartiles et groupes égaux ■Affichage de format : condensé ou standard, trié par fréquence ou par valeurs, ou index de tables ■Graphiques : à barres, histogramme ou en secteurs Descriptifs ■Tendance centrale : moyenne et somme ■Dispersion : maximum, minimum, étendue, écart type, erreur standard et variance ■Distribution : Kurtosis, erreur standard Kurtosis, asymétrie et erreur standard d’asymétrie ■Scores Z : calculez et enregistrez en tant que nouvelles variables Ordre d’affichage : croissant ou décroissant sur les moyennes et les noms de variable ■ Explorer ■Les intervalles de confiance pour les moyennes ■Descriptifs : étendue interquartile, Kurtosis, erreur standard Kurtosis, moyenne, médiane, maximum, minimum, étendue, asymétrie, erreur standard asymétrie, écart type, erreur standard, variance, moyenne lissée 5% et pourcentages ■Estimateurs M : estimateur d’ondes de Andrew, estimateur M de Hampel, estimateur M de Huber et estimateur ‘biweight’ de Tukey ■Valeurs extrêmes et aberrances identifiées ■Tables de fréquences groupées : centre de classe, fréquence, pourcentage, pourcentage valide et cumulatif ■Graphes : construisez des graphes avec une échelle uniforme ou une dépendance par rapport aux valeurs des données –A surfaces : variables dépendantes et niveaux de facteur simultanément –Descriptifs : histogrammes et graphes « tige et feuille » –Normalité : graphes de probabilité normale et graphes de probabilité redressée avec les statistiques Kolmogorov-Smirnov et Shapiro-Wilk –Graphes étalés contre graphes de niveau avec le test de Levene : estimation de puissance, transformée ou non transformée –Le test de normalité de Shapiro-Wilk dans EXAMINE, autorise 5 000 cas lorsque les poids ne sont pas spécifiés Tableaux croisés ■Les relations à triple entrée dans les données catégoriques avec les statistiques de Cochran et Mantel-Haenszel, permettent d’aller au-delà des limites d’un tableau à double entrée ■Décomptes : fréquences observées et prévues ■ Pourcentages : colonne, ligne et total ■ Variables de chaîne longue ■Valeurs résiduelles : brutes, standardisées et standardisées ajustées ■Valeurs marginales : fréquences observées et pourcentages totaux Tests d’indépendance : Khi-carré corrigé de Pearson et Yates, Khi-carré avec taux de vraisemblance et test exact de Fisher ■Test d’association linéaire : Khi-carré de Mantel-Haenszel ■ Mesure d’association linéaire : Pearson r ■Mesures des données nominales : coefficient de contingence, V de Cramer, Phi, Lambda de Goodman et Kruskal (asymétrique et symétrique), Tau (en fonction des colonnes ou des lignes) et coefficient d’incertitude (asymétrique et symétrique) ■Mesures des données ordinales : Gamma de Goodman et Kruskal, Tau-b et Tau-c de Kendall, D de Somers (asymétrique et symétrique) et Rho de Spearman ■ Nominale par mesure d’intervalle : Eta ■ Mesure d’agrément : Kappa de Cohen ■Estimations du risque relatif pour le contrôle des cas et les études de cohorte ■Affichage des tables en ordre croissant ou décroissant ■Décomptes de fréquence écrits vers un fichier ■Test de McNemar ■Option d’utilisation de coefficients de pondération entiers ou non entiers ■ Statistiques de ratio descriptives ■Aident à comprendre vos données grâce à : – Coefficient de dispersion – Coefficient de variation – Différentiel associé au prix (PRD) – Déviance absolue moyenne Comparer les moyennes Moyennes ■Créez de meilleurs modèles avec des moyennes harmoniques et géométriques ■Cellules : nombre, moyenne, écart type, somme et variance ■Totaux à entrées multiples ■Mesure de l’analyse avec Eta et Eta2 ■Test de linéarité avec R et R2 ■Résultats affichés dans des formats de rapports, de tableaux croisés ou d’arborescence ■Statistiques calculées pour le test t d’échantillon total ■Un test t d’échantillon pour comparer la moyenne de l’échantillon à une moyenne de référence de votre choix Statistiques d’échantillon indépendantes : comparez les moyennes d’échantillon de deux groupes pour les estimations de variance groupées et séparées avec le test de Levene pour les variances égales ■Statistiques d’échantillon par paire : corrélation entre les paires, différences entre les moyennes et probabilité à deux possibilités pour le test d’absence de différence et pour le test de corrélation zéro entre les paires ■Statistiques : intervalles de confiance, décomptes, degrés de liberté, moyenne, probabilité à deux possibilités, écart type, erreurs standard et statistique t ■ Analyse de variance simple ■Contrastes : linéaires, quadratiques, cubiques, d’ordre supérieur et définis par l’utilisateur ■Tests d’étendue : Duncan, LSD, Bonferroni, Student-Newman-Keuls, Scheffé, test alterné de Tukey et HSD de Tukey ■Tests post hoc : Student-Newman-Keuls, différence honnêtement significative de Tukey, b de Tukey, procédure de comparaison multiple de Duncan basée sur le test de l’étendue de Student, test t de comparaison multiple de Scheffe, test t à deux possibilités de Dunnett, test t à une possibilité de Dunnett, test t de Bonferroni, test t de différence la moins significative, test t de Sidak, GT2 de Hochberg, test des comparaisons par paire de Gabriel basé sur le test de modulus maximum de Student, procédure descendante multiple de Ryan-Einot-Gabriel-Welsch basée sur un test F, procédure descendante multiple de Ryan-Einot-Gabriel-Welsch basée sur le test d’étendue de Student, T2 de Tamhane, T3 de Tamhane, test de comparaison par paires de Games et Howell basé sur le test d’étendue de Student, C de Dunnett, test t de Waller-Duncan ■Statistiques analyse de variance : entre et à l’intérieur de sommes de carrés de groupes, degrés de liberté, carrés moyens, ratio F et probabilité de F ■Mesures à effets fixes : écart type, erreur standard et intervalle de confiance 95 pour-cent ■Mesures d’effets aléatoires : estimation des composants de variance, erreur standard, et intervalles de confiance 95 pour-cent Ce symbole indique une nouvelle fonction. 7 Statistiques descriptives de groupe : maximum, moyenne, minimum, nombre de cas, écart type, erreur standard et intervalle de confiance 95 pour-cent ■Homogénéité du test de variance : test de Levene ■Matrices de lecture et d’écriture ■Egalité des moyennes : obtenez des résultats précis lorsque les variances et les tailles d’échantillon varient entre différents groupes : – Test Brown-Forsythe – Test Welch ■ Modèles analyse de variance – factoriel simple ■Créez des modèles personnalisés sans limite quant à l’ordre d’interaction maximum ■Travaillez plus rapidement sans avoir à spécifier les étendues des niveaux de facteur ■Choisissez le bon modèle en utilisant quatre types de somme de carrés ■Augmentez la certitude avec une meilleure gestion des données dans les cellules vides ■Exécutez des tests ‘lack-of-fit’ (absence d’ajustement) pour sélectionner votre meilleur modèle ■Choisissez entre deux plans : équilibré ou non équilibré ■Utilisez l’analyse de covariance avec jusqu’à 10 méthodes covariables : expérimentale classique, hiérarchique et régression ■Entrez le contrôle des covariables : avant, avec ou après les effets principaux ■Définissez l’interaction pour : néant, 2, 3, 4, ou 5 entrées ■Choisissez parmi les statistiques suivantes : Analyse de variance, moyennes et tableau de décomptes, analyse de classification multiple, coefficients de régression non standardisés et moyennes de cellules à n entrées. ■Choisissez jusqu’à 10 variables indépendantes ■Obtenez les valeurs prédites et les déviations par rapport à la moyenne dans un tableau MCA Corréler † Avec deux variables (Bivariate) ■ r Pearson, Tau-b de Kendall et Spearman ■ Probabilités à une et deux possibilités ■Moyennes, nombre de cas non manquants et écarts types Déviations et covariances entre les produits Coefficients affichés au format matrice ou série Spécification de variable d’identification Matrice imprimée des proximités entre les éléments ■Evolutivité améliorée pour les proximités entre les matrices de variables ■ ■ ■ ■ Partiel† ■Probabilités à une et deux possibilités ■Moyenne, nombre de cas manquants et écart type ■Corrélations d’ordre zéro ■Jusqu’à 100 variables de contrôle ■Jusqu’à cinq valeurs d’ordre ■Corrélations affichées au format de matrice ou de chaîne série, matrice de corrélation triangulaire inférieure ou rectangulaire Distances ■Calculez les proximités entre les cas ou les variables ■Mesures de dissimilarité –Mesure d’intervalle : euclidien et distance euclidienne au carré, mesure de distance Chebychev, distance city-block ou Manhattan, distance en mesure de puissance Minkowski absolue et distance personnalisée. –Mesures de décomptes : Khi-carré et Phi-carré –Mesures binaires : euclidienne et distance euclidienne au carré ; taille, modèles et différence de formes ; mesure de dissimilarité de variance et mesure non métrique de Lance et Williams ■Mesures de similarité –Mesures d’intervalle : corrélation de Pearson et cosinus –Mesures binaires : Russell et Rao ; concordance simple ; Jaccard ; dé (ou Czekanowski ou Sorenson) ; Rodgers et Tanimoto ; Sokal et Sneath 1 à 5 ; Kulczynski 1 et 2 ; Hamann ; Goodman et Krusal Lambada ; D de Anderberg ; coefficient de colligation de Yule ; Coefficient Q de Yule ; Ochiai ; mesure de similarité de dispersion et coefficient de corrélation phi ■Valeurs de données standardisées : scores Z, étendue de –1 à 1, étendue de 0 à 1, magnitude maximum de 1, moyenne de 1 et écart type de 1 ■Mesures de transformation : valeurs absolues, dissimilarités en similarités, similarités en dissimilarités et valeurs de proximité de redimensionnement pour une étendue de 0 à 1 Régression – régression linéaire* ■Méthodes : élimination arrière, entrée forcée, suppression forcée, entrée avant, sélection par étapes avant et changement R2 /test de signification ■Statistiques d’équation : critère d’information Akaike (AIC), critère de prédiction d’Ameniya, tableaux d’analyse de variance (F, carré moyen, probabilité de F, régression et valeur résiduelle de somme des carrés), changement dans R2, test F à l’étape, Cp de Mallow, R multiple, probabilité de F, R2, R2 ajusté, Critère Bayésien de Schwartz (SBC), erreur standard d’estimation, algorithme SWEEP et matrice variance-covariance ■Statistiques descriptives : matrice de corrélation, matrice de covariance, déviations de produit vectoriel par rapport à la moyenne, moyennes, nombre de cas utilisés pour calculer les coefficients de corrélation, probabilités de coefficients de corrélation à une possibilité, écarts types et variances ■Statistiques des variables indépendantes : coefficients de régression, dont B, erreurs standard des coefficients, coefficients de régression standardisés, erreur standard approchée des coefficients de régression standardisés, et t ; tolérances ; ordre zéro ; corrélations partielles ; intervalle de confiance 95% pour le coefficient de régression non standardisé ■Variables non présentes dans l’équation : Beta ou tolérance minimale ■Durbin-Watson ■Diagnostics de colinéarité : indices de condition, racines caractéristiques, facteurs d’inflation de variance, proportions de variances et tolérances ■Graphes : de cas, histogramme, probabilité normale, normale redressée, partielle, aberrance et nuage de points † Algorithme multithread donnant des performances et une évolutivité optimisées sur les machines multiprocesseur ou multicoeur. 8 Créer et enregistrer des variables : –Intervalles de prédiction : moyen et individuel –Valeurs prédites : non standardisées, standardisées, ajustées et erreur de moyenne standard –Distances : distances de Cook, distance de Mahalanobis et valeurs levier –Valeurs résiduelles : non standardisées, standardisées, de Student, supprimées, et de Student supprimées –Statistiques d’influence : dfbetas, dfbetas standardisé, dffits, dffits standardisé et rapports de covariance ■Contrôles d’option : F-to-enter, F-to-remove, probabilité de F-to-enter, probabilité de F-to-remove, supprimer la constante, poids de régression pour le modèle des moindres carrés pondérés, intervalles de confiance, nombre maximum d’étapes, remplacer les valeurs manquantes par la moyenne des variables, tolérance ■Coefficients de régression affichés selon l’ordre défini par l’utilisateur ■Les fichiers système peuvent contenir des estimations de paramètres et leurs matrices de covariance et de corrélation via la commande OUTFILE. ■Les solutions peuvent être appliquées à de nouveaux cas ou utilisées dans d’autres analyses. ■La prise de décision peut être optimisée pour toute l’entreprise en exportant les modèles via XML. ■ Régression ordinale – PLUM† ■Prédire les résultats ordinaux –Sept options pour contrôler l’algorithme itératif utilisé pour l’estimation, pour spécifier la tolérance numérique pour la vérification de singularité et pour personnaliser la sortie –Cinq fonctions de liens pour spécifier le modèle : Cauchit, log-log complémentaire, logit, log-log négatif et probit –Sous-commande de localisation pour spécifier le modèle de localisation : interception, effets principaux, interactions, effets imbriqués, effets imbriqués à plusieurs niveaux, imbrication dans une interaction, interactions parmi les effets imbriqués et covariables –Impression : information de cellule, matrice de corrélation asymptotique des estimations de paramètres, statistiques « goodness-of-fit » (qualité de l’ajustement), historique d’itération, noyau de la fonction log-likelihood, test d’hypothèse de lignes parallèles, statistiques de paramètres et résumé de modèle –Enregistrez les statistiques de postestimation de cas dans le fichier actif : probabilités prévues de facteur de classification/modèles de covariables dans les catégories de réponse et catégories de réponse avec la probabilité prévue maximum pour les modèles de facteur/covariable. –Personnalisez vos tests d’hypothèse en spécifiant directement des hypothèses nulles comme combinaisons linéaires des paramètres avec la sous-commande TEST (syntaxe uniquement). Estimation de courbe ■Onze types de courbes disponibles ■Affichages de résumé de régression : type de courbe, coefficient R2, degrés de liberté, test F général et niveau de signification, et coefficients de régression ■Modèles de tendance-régression : linéaires, logarithmiques, inverses, quadratiques, cubiques, composés, puissance, S, croissance, exponentiels, et logistiques Tests non-paramétriques ■Khi-carré : spécifiez l’étendue prévue (en fonction des données ou spécifié par l’utilisateur) et les fréquences (toutes les catégories égales ou spécifiées par l’utilisateur) ■Binomial : définissez la dichotomie (en fonction des données ou des points de rupture) et spécifiez la proportion de test ■Séquences : spécifiez les points de rupture (médian, mode, moyenne ou spécifié) ■Un échantillon : Kolmogorov-Smirnov, uniforme, normal et Poisson ■Deux échantillons indépendants : séquences Mann-whitney U, Kolmogorov-Smirnov Z, Moses extreme et Wald-Wolfowitz ■Echantillons k indépendants : Kruskal-Wallis H et median ■2 échantillons reliés : Wilcoxon, signe et McNemar Ces fonctions sont susceptibles d’être modifiées en fonction de la version finale du produit. Echantillons k reliés : Friedman, Kendall W et Cochran Q ■Descriptifs : maximum, moyenne, minimum, nombre de cas et écart type ■ Réponses multiples ■Tableaux à double entrée : nombre de cellules, pourcentages de cellules en fonction des cas ou des réponses, colonne et ligne, et pourcentages de tableau à double entrée ■Tables de fréquence : décomptes, pourcentage de cas ou réponses ■La dichotomie multiple et les groupes de réponse multiples peuvent tous deux être gérés. Réduction de données Facteur* ■Le nombre de cas et les libellés de variable pour l’analyse peuvent être affichés ■Entrée provenant de matrice de corrélation, facteur, matrice de pondération, matrice de covariance ou fichier de cas avec données brutes ■Sortie de matrice de corrélation ou de matrice de facteur ■Sept méthodes d’extraction à utiliser lorsque l’analyse est exécutée sur des matrices de corrélation ou des fichiers de données brutes : composant principal, axe principal, mise en facteur Alpha, mise en facteur image, vraisemblance maximum, moindres carrés non pondérés et moindres carrés généralisés ■Méthodes de rotation : Varimax, equamax, quartimax, promax et oblimin ■Affichage : communautés initiales et finales, racines caractéristiques, variance de pourcentage, pondérations de facteur sans rotation, matrice de modèles de facteur avec rotation, matrice de transformation de facteur, structure de facteur et matrice de corrélation (rotations obliques uniquement) ■Les matrices de covariance peuvent être analysées avec trois méthodes d’extraction : composant principal, axe principal et image ■Positions sur un facteur : régression, Bartlett et Anderson-Rubin ■Positions sur un facteur enregistrées en tant que variables actives Ce symbole indique une nouvelle fonction. 9 Statistiques disponibles : matrice de corrélation univariée, déterminant et inverse de matrice de corrélation, corrélation anti-image et matrices de covariance, mesure Kaiser-Meyer-Olkin d’adéquation d’échantillonnage, test de sphéricité de Bartlett, matrice de structure factorielle, communautés révisées, racines caractéristiques et variance de pourcentage par racine caractéristique, corrélations reproduites et résiduelles et matrice de coefficient de position sur un facteur ■Graphes : graphe Scree et graphe de variables dans un ensemble-quotient ■Entrée et sortie de matrice ■Post-rotationnel calculé via des pondérations de sommes des carrés ■Solutions appliquées à de nouveaux cas ou à utiliser dans d’autres analyses avec la sous-commande SELECT ■Matrice de coefficient de position sur un facteur exportée pour positionner de nouvelles données (syntaxe uniquement) ■ Classifier Analyse de cluster en deux étapes ■Observations de groupe dans des clusters basés sur un critère de proximité. Cette procédure utilise le clustering agglomératif hiérarchique dans lequel les cas individuels sont successivement combinés pour former des clusters dont les centres sont très éloignés. Cet algorithme est destiné regrouper un grand nombre de cas. Il effectue un premier passage sur les données pour trouver les centres des clusters puis un autre passage pour assigner les appartenances aux clusters. Observations de cluster par construction d’une structure de données appelée CF Tree qui contient les centres des clusters. Le CF Tree est développé pendant la première étape du clustering et les valeurs sont ajoutées à ses feuilles si elles sont proches du centre de cluster d’une feuille particulière. –Des données de niveau catégorique et de niveau continu peuvent être utilisées –Mesures de distance : distance euclidienne et distance de vraisemblance –La commande Criteria règle l’algorithme de façon à ce que : ■Le seuil initial puisse être spécifié pour développer un CF Tree Il soit possible de définir le nombre maximum de nœuds enfant d’un nœud feuille ■Il soit possible de définir le nombre maximum de niveaux d’un CF Tree –La sous-commande HANDLENOISE permet de traiter les valeurs aberrantes de façon spéciale pendant le clustering. La valeur par défaut du pourcentage de bruit est zéro, ce qui équivaut à une absence de gestion de bruit. La valeur peut se situer entre zéro et 100. –La sous-commande INFILE permet à l’algorithme de mettre à jour un modèle de cluster dans lequel un CF Tree est enregistré en tant que fichier XML en utilisant la sous-commande OUTFILE. –La sous-commande MEMALLOCATE spécifie la quantité maximum de mémoire en mégaoctets (Mo) que l’algorithme de cluster doit utiliser –Données manquantes : excluez à la fois les valeurs manquantes utilisateur et les valeurs manquantes système ou laissez les valeurs manquantes utilisateur être traitées comme valides –Option pour standardiser les variables de niveau continu ou les laisser à l’échelle d’origine –Possibilité de spécifier le nombre de clusters, le nombre maximum de clusters, ou la sélection automatique du nombre de clusters ■Algorithmes disponibles pour déterminer le nombre de clusters : BIC ou AIC –Sortie écrite vers un nom de fichier spécifié en tant que XML –Sortie du modèle final enregistré ou bien utilisez une option qui mettra à jour le modèle ultérieurement avec davantage de données –Graphes : ■Diagramme à barres des fréquences de chaque cluster ■Graphique en secteurs montrant les pourcentages d’observation et les décomptes à l’intérieur de chaque cluster ■Importance de chaque variable à l’intérieur de chaque cluster : la sortie est triée par rang d’importance de chaque variable ■ Ces fonctions sont susceptibles d’être modifiées en fonction de la version finale du produit. 10 –Options de graphe : ■Comparaisons (un graphe par cluster ou un graphe par variable) ■Mesure de l’importance de la variable (paramétrique ou non-paramétrique) ■Capacité à spécifier le niveau Alpha en prenant en compte l’importance –Options d’impression : ■AIC ou BIC pour différents nombres de clusters ■Deux tables décrivant les variables dans chaque cluster. Dans une table, les moyennes et les écarts types sont rapportées pour les variables continues. L’autre table rapporte les fréquences des variables catégoriques. Toutes les valeurs sont séparées par cluster. ■Liste des clusters et nombre d’observations dans chaque cluster –Nombre de clusters enregistrés pour chaque cas dans le fichier de données de travail Clusters ■Utilisez l’une des six méthodes de liaison pour déterminer les clusters : liaison simple (du plus proche voisin), liaison moyenne entre les groupes, centroïde (liaison moyenne à l’intérieur des groupes), liaison complète (voisin le plus éloigné), médiane et Ward ■Utilisez le même ensemble de mesures de similarité et de dissimilarité que pour la proximité ■Enregistrez les appartenances de cluster en tant que nouvelles variables ■Enregistrez les matrices de distance pour utilisation dans d’autres procédures ■Affichage : plans d’agglomération, appartenance de cluster et matrices de distance ■Utilisez les proximités entre les matrices de variable pour une évolutivité accrue ■Choisissez à partir des graphes suivants : graphes ‘icicle’ horizontaux et verticaux et graphes dendrogram de solutions de cluster ■Spécifiez les identifiants de cas pour les tables et les graphes ■Capacité à accepter les entrées de matrice et à produire des sorties de matrice Clusters rapides ■Distance euclidienne au carré ■Centres sélectionnés par cas largement espacés, premiers cas K ou spécification directe ■Appartenance à un cluster enregistré comme une variable ■Deux méthodes fournies pour mise à jour des centres de cluster ■Algorithmes de clustering K-means Analyse du plus proche voisin ■Peut être utilisé pour la prédiction (résultat spécifié) ou la classification (pas de résultat spécifié). ■Marquez les cas présentant un intérêt spécifique. ■Redimensionnez les covariables. ■Utilisez trois méthodes pour le partitionnement de l’ensemble de données actif en échantillon d’apprentissage et échantillon pilote (holdout) : spécifiez le nombre relatif de cas de l’ensemble de données actif à assigner de façon aléatoire à l’échantillon d’apprentissage ; spécifiez le nombre relatif de cas de l’ensemble de données actif à assigner de façon aléatoire à l’échantillon pilote ; spécifiez une variable qui assigne chaque cas de l’ensemble de données actif à l’échantillon d’apprentissage ou à l’échantillon pilote. ■Spécifiez le « modèle » du plus proche voisin –Spécifiez la mesure de distance utilisée pour mesurer la similarité des cas. –Indiquez si la sélection automatique du nombre de voisins le plus proche doit être utilisée. –Indiquez si la sélection automatique des caractéristiques (prédicteurs) doit être utilisée. –Spécifiez les paramètres de calcul et de ressource pour la procédure KNN ; en particulier : –Comment la sélection automatique de caractéristiques doit sélectionner le nombre de caractéristiques. –La fonction utilisée pour calculer la valeur prédite des variables de réponse d’échelle. –Indiquez si les caractéristiques doivent être pondérées d’après leur importance normalisée lors du calcul des distances. ■Spécifiez les paramètres pour exécuter la validation croisée v-fold afin de déterminer le « meilleur » nombre de voisins. Spécifiez si les valeurs manquantes utilisateur pour les variables catégoriques doivent être traitées comme des valeurs valides. ■Contrôlez les options pour afficher la sortie associée au modèle, y compris les tables et les graphiques. ■Ecrivez des variables temporaires optionnelles dans l’ensemble de données actif. ■Enregistrez un fichier au format XML contenant le modèle ‘voisin le plus proche’. Ceci enregistre également un fichier de données au format PASW Statistics contenant les distances à partir de cas focaux. ■ Analyse discriminante ■Méthodes de sélection variable : entrée directe, minimisation Lambda de Wilks, distance de Mahalanobis, ratio F le plus petit, minimisation de la somme des variations inexpliquées pour toutes les paires et plus grande augmentation dans le V de Rao ■Statistiques : –Résumé : Racines caractéristiques, pourcentage et pourcentage cumulatif de variance, corrélations canoniques, Lambda de Wilks et tests Khi-carré –A chaque étape : Lambda de Wilks, équivalent F, degrés de liberté et signification de F pour chaque étape ; F-to-remove, tolérance ; tolérance minimale ; F-to-enter ; et valeur de la statistique pour chaque variable non présente dans l’équation –Final : coefficients de fonction discriminante canonique standardisée, matrice de structure des fonctions discriminantes et fonctions évaluées à l’intérieur des moyennes de groupe –Optionnel : moyennes, écarts types, ratios F univariés, matrices de covariance et de corrélation combinées à l’intérieur de groupes, matrices de ratios F au niveau des paires, test M de Box, matrices de groupe et de covariance totale, fonctions discriminantes canoniques non standardisées, table de résultats de classification, et coefficients de fonction de classification ■Rotation de coefficient (modèle) et matrices de structure Sortie affichée étape par étape et/ou sous forme résumée ■Dans l’étape de classification : probabilités antérieures, égales, proportion de cas ou spécifiées par l’utilisateur ■Tous les groupes, cas, cartes territoriales et groupes séparés graphés ■Résultats au niveau des cas, enregistrés dans un fichier système pour analyse complémentaire ■Fichiers de matrice lus/écrits, y compris des statistiques additionnelles : décomptes, moyennes, écarts types et coefficients de corrélation Pearson ■Solutions appliquées à de nouveaux cas ou pour utilisation dans une analyse ultérieure ■Estimations ‘jacknife’ fournies pour le taux d’erreurs de classification ■Prises de décision optimisées grâce à l’exportation de vos modèles dans toute l’entreprise via XML ■ Algorithme Multidimensionnal Scaling ■Réduisez vos données et améliorez les mesures avec fiabilité ■Trouvez la structure cachée dans vos données de similarité en utilisant le ‘scaling’ multidimensionnel ALSCAL Opérations de matrices ■Ecrivez vos propres procédures statistiques dans le langage compact de l’algèbre de matrice Gestion de données ■Préparez les données de niveau continu pour analyse avec le Visual Binner : –Spécifiez les points de rupture de façon pertinente à l’aide d’un histogramme créé via un passage des données. –Créez automatiquement des libellés de valeur en fonction de vos points de rupture. –Copiez les classes (bins) vers d’autres variables. Ce symbole indique une nouvelle fonction. 11 Créez vos propres programmes personnalisés avec l’OMS (Output Management System). Transformez la sortie des procédures PASW Statistics en données (fichiers de données PASW Statistics, XML ou HTLM) et créez vos programmes pour le ‘boot-strapping’, le ‘jackniffing’, les méthodes ‘leaving-one-out’ et les simulations Monte Carlo. – Créez des programmes personnalisés dans PASW Statistics, même si vous avez peu ou pas d’expérience de la syntaxe PASW Statistics, en utilisant le panneau de commande de l’Output Management System. ■Nettoyez facilement vos données lorsque vous identifiez des enregistrements en double via l’interface utilisateur avec l’outil Identify Duplicate Cases. ■Rendez vos fichiers de données cohérents et gardez-en la trace en ajoutant des notes avec la commande Data File Comments. ■Empêchez la destruction accidentelle des données en rendant l’ensemble de données uniquement disponible en lecture. ■Configurez facilement tous vos libellés de valeur pour préparer vos données à l’analyse avec l’outil Define Variable Properties. –Configurez les informations du dictionnaire de données, y compris les libellés de valeur et les types de variable. –Ajoutez des libellés de façon pertinente grâce à un premier passage sur les données permettant à PASW Statistics de présenter une liste de valeurs avec leur fréquence. –Gagnez du temps en entrant les données et les libellés de valeur directement sur la grille sans passer par des boîtes de dialogue imbriquées. ■Enregistrez le travail en copiant facilement les informations de dictionnaire d’une variable à une autre et d’un ensemble de données à un autre avec l’outil Copy Data Properties. –Copiez les informations de dictionnaire (variables, libellés de valeur, etc.) entre les variables et les ensembles de données avec la fonction de gabarit. –Utilisez des méthodes prêtes à l’emploi pour cloner les dictionnaires. ■ Analysez davantage de données, plus efficacement – les considérations de taille de fichier sont pratiquement éliminées (en particulier lors de l’utilisation conjointe de PASW Statistics Base Server, disponible en option). ■Assignez des attributs à plusieurs variables simultanément. ■Sélectionnez facilement les lignes et les colonnes pour coller les informations ailleurs. ■Réordonnez facilement vos variables. ■Gagnez du temps en triant les données directement dans le Data Editor. ■Evitez de reformater les largeurs de colonne à chaque nouvelle session. ■Augmentez la vitesse en créant des raccourcis clavier personnalisés. ■Restructurez les fichiers de données comportant plusieurs cas par sujet et restructurez les données pour placer toutes les données pour chaque sujet dans un seul enregistrement (restructurez les fichiers de données d’un format univarié vers un format multivariable). ■Restructurez les fichiers de données comportant un seul cas par sujet et répartissez les données entre plusieurs cas (restructurez les fichiers de données d’un format multivariable vers un format univarié). ■Lors de l’enregistrement des fichiers de données, conservez les variables en utilisant une interface graphique intuitive. ■Identifiez et sélectionnez les variables en utilisant votre propre schéma d’organisation à mesure que vous triez les variables en fonction des libellés de variable apparaissant dans une liste déroulante. ■Affichez les libellés de variable dans une boîte de dialogue ; utilisez jusqu’à 256 caractères. ■Affichez les libellés de variable sous forme de bulles d’aide dans l’éditeur de données. ■Enregistrez les requêtes SQL pour utilisation ultérieure. ■Créez des requêtes en mode ‘guidé’. ■Sélectionnez les données plus facilement avec la clause « where ». ■Spécifiez tout caractère ou toute combinaison de caractères comme délimiteur de champ dans un fichier de texte ASCII ■ Ces fonctions sont susceptibles d’être modifiées en fonction de la version finale du produit. Créez vos propres informations de dictionnaire pour les variables en utilisant la fonction Custom Attributes. Par exemple, créez un attribut personnalisé décrivant les transformations d’une variable dérivée avec des informations expliquant comment elle a été transformée. ■Personnalisez l’affichage des très grands fichiers avec les Variable Sets. Vous pouvez instantanément réduire le nombre de variables dans les fenêtres Variable View et Data View en affichant uniquement un sousensemble des données tout en conservant la totalité du fichier chargé et disponible pour analyse. ■Ecrivez des fichiers de données PASW Statistics à partir d’autres applications tels qu’Excel, avec le pilote ODBC SPSS de PASW Statistics. ■Utilisez un nombre de variables et de cas pratiquement illimités. ■Spécifiez des sous-ensembles de variables et travaillez avec ces sous-ensembles. ■Entrez, éditez et parcourez les données dans le format de feuille de calcul du Data Editor. ■Travaillez facilement avec les dates et les heures en utilisant l’assistant Date and Time. –Créez une variable date/heure à partir d’une chaîne contenant une variable date/heure. –Créez une variable date/heure à partir de variables qui incluent des unités de date spécifiques telles que le mois ou l’année. –Analysez les unités date/heure spécifiques à partir de variables date/ heure. –Calculez avec les dates et les heures : ■Arrondissez les informations de date et d’heure au lieu de les tronquer ; ■Ajoutez des décimales aux données d’heure. ■Affichez les valeurs ou les libellés de valeur dans les cellules du Data Editor. ■Avec un clic droit, accédez directement aux informations de variable dans les boîtes de dialogue. ■Renommez, réarrangez les variables. ■Triez les cas. ■Choisissez entre plusieurs formats de données : numérique, virgule, point, notation scientifique, date, dollar, devise spécifique et chaîne. ■Définissez une option pour afficher la devise avec une virgule de séparation ou un séparateur décimal. ■ Ce symbole indique une nouvelle fonction. Choisissez des valeurs manquantes système et jusqu’à trois valeurs manquantes définies par l’utilisateur par variable. ■Créez des libellés de valeur ayant jusqu’à 120 caractères (le double des versions antérieures à SPSS 13.0). ■Créez des libellés de variable allant jusqu’à 256 caractères. ■Insérez et supprimez des variables et des cas. ■Recherchez les valeurs d’une variable sélectionnée. ■Transposez les fichiers de travail. ■Clonez ou dupliquez les ensembles de données. ■Appliquez une commande Variable Properties étendue pour personnaliser les propriétés pour des utilisateurs spécifiques. ■Agrégez les données en utilisant un ensemble étendu de fonctions résumées : –Enregistrez les valeurs agrégées directement dans votre fichier actif ; –Agrégez par chaîne pour les variables source (dans l’interface). ■Autorisez l’utilisation de chaînes longues comme variables de rupture (par exemple si le sexe est utilisé comme variable de rupture, les mâles et les femelles sont agrégés séparément). ■Autorisez l’utilisation de chaînes comme variables agrégées. ■Séparez les fichiers pour appliquer des analyses et des opérations à des sousgroupes. ■Sélectionnez les cas de façon permanente ou temporaire. ■Traitez les n premiers cas. ■Sélectionnez des échantillons aléatoires de cas pour analyse. ■Sélectionnez des sous-ensembles de cas pour analyse. ■Pondérez les cas en fonction des valeurs d’une variable sélectionnée. ■Spécifiez des graines de nombres aléatoires. ■Classez les données. ■Utilisez les observations de voisinage pour le lissage, l’établissement de moyenne et la différenciation rapides des transformations de Fourier et de leur inverse. ■Décrivez vos données de façon plus précise en utilisant des noms de variable plus longs (jusqu’à 64 octets). ■ –Travaillez plus facilement avec des données à partir de bases de données et de feuilles de calcul incluant des noms de variable plus longs que ceux autorisés dans les versions antérieures à SPSS 12.0. ■Assurez-vous que les données contenant des chaînes de texte plus longues (jusqu’à 32 767 octets) ne sont pas tronquées ou perdues lors du travail avec des réponses à des questions ouvertes, des données d’autres logiciels autorisant les chaînes de texte longues ou d’autres types de chaînes de texte longues. ■Trouvez et remplacez les informations en utilisant le Data Editor. ■Gagnez du temps avec la vérification orthographique des libellés de valeur, des libellés de variable et des chaînes de texte. ■Consultez facilement les informations du dictionnaire de données dans la fenêtre Variable View du Data Editor, puisque vous pouvez le configurer (afficher uniquement certains attributs) et trier par nom de variable, type, format, etc. ■Naviguer facilement dans la fenêtre Data View du Data Editor pour aller directement à une variable. ■Ajoutez des valeurs manquantes et des libellés de valeur pour les chaînes de toute longueur. ■Changez la longueur de chaîne et le type de variable via la syntaxe. Gestion de fichiers ■Utilisez Unicode lors du travail avec des données multilingues et éliminez ainsi la variabilité des données due aux encodages spécifiques à la langue. Enregistrez le fichier de données en Unicode ou en code page (pour la compatibilité amont avec les versions antérieures de PASW Statistics). ■Réduisez la manipulation de données avec l’accès aux données sans conversion ni copie dans les bases de données SQL. Gagnez du temps en évitant de convertir les données au format PASW Statistics (en particulier lors de l’utilisation conjointe de PASW Statistics Base Server, disponible en option) ■Définissez un dossier de démarrage par défaut permanent. ** Supporté uniquement sous Windows. Ces fonctions sont susceptibles d’être modifiées en fonction de la version finale du produit. 12 Réécrivez facilement vers les bases de données à partir de PASW Statistics avec l’assistant Database. Vous pouvez par exemple : –Créer une table et l’exporter dans votre base de données, –Ajouter des lignes à une table, –Ajouter des colonnes à une table, –Exporter les données vers les colonnes d’une table. ■Importer les données (y compris les documents composés) à partir des versions actuelles d’Excel sans passer par l’assistant Database. –Lisez les colonnes qui contiennent des types de données mixtes sans perte de données. –Lisez automatiquement les colonnes avec des types de données mixtes en tant que variables de chaîne et lisez toutes les valeurs en tant que variables de chaîne valides. ■Ouvrez plusieurs ensembles de données dans une même session PASW Statistics ou réduisez le nombre d’ensembles de données dans l’interface utilisateur. ■Importez directement les données des produits Dimensions y compris mrinterview™ et les produits d’études de marché traditionnels dont Quanvert™**. ■Exportez les données de PASW Statistics vers les produits Dimensions**. ■Importez les sources de données OLE DB sans avoir à passer par ODBC. ■Lisez/écrivez des fichiers Strata® ■Travaillez plus efficacement lorsque vous exécutez plusieurs sessions sur un poste de travail. Par exemple, pour les tâches longues, vous pouvez utiliser PASW Statistics dans une autre session, dans la mesure où les licences sont disponibles. ■Lisez et définissez facilement les données ASCII en utilisant un assistant texte similaire à celui fourni dans Excel. –Utilisez des attributs de texte pour faciliter la lecture des données. ■Augmentez la précision et la répétabilité de vos fichiers de syntaxe en les optimisant avec la fonction ‘chercher/remplacer’. ■Lisez les tables de base de données avec l’assistant Database. –Support du glisser-déposer groupé. ■Exportez les tables et le texte au format ASCII. ■ Ce symbole indique une nouvelle fonction. 13 Enregistrez les tables en HTML et les graphiques en JPG pour placer les résultats de PASW Statistics sur Internet ou sur un intranet. ■Accédez rapidement au site SPSS Developer Central Web via le menu d’aide de PASW Statistics. ■Lisez/écrivez des fichiers Excel 2007. ■Traduisez des fichiers de et vers Excel, Lotus® 1-2-3 et dBASE®. ■Lisez et écrivez les données de et vers des champs fixes, libres ou des fichiers ASCII délimités par des tabulations. ■Ecrivez les données vers des fichiers ASCII de format fixe ou délimités par des tabulations. ■Lisez les structures de fichier complexes : fichiers hiérarchiques, types d’enregistrement mixtes, données répétées et structures de fichier non standard. ■Lisez et écrivez les fichiers système SPSS/ PC+TM. ■Fusionnez les fichiers. ■Affichez les définitions de données d’un fichier de données PASW Statistics et appliquez-les à un fichier de travail. ■Mettez à jour les fichiers principaux à l'aide de fichiers de transaction. ■Lisez et écrivez des matrices des données. ■Enregistrez plusieurs résultats intermédiaires pour une analyse plus approfondie. ■Lisez les versions récentes des fichiers SAS®. ■Exportez les fichiers de données vers SAS. ■Exportez les fichiers de données vers les versions actuelles d’Excel. ■Enregistrez les fichiers texte CSV (Comma Separated Value) à partir des fichiers de données PASW Statistics. ■Message “ File in use ” affiché afin de réduire les erreurs créées dans les données si plusieurs utilisateurs écrivent simultanément vers un fichier PASW Statistics. ■ Transformations ■Calculez de nouvelles variables en utilisant l’arithmétique, les cas croisés, la date et l’heure, la logique, les valeurs manquantes, les nombres aléatoires et les fonctions statistiques ou de chaîne. ■Créez de nouvelles variables contenant les valeurs de variables provenant de cas précédents ou subséquents. ■Comptez les occurrences des valeurs entre les variables. ■Recodez les valeurs de chaîne ou les valeurs numériques. ■Convertissez automatiquement les variables de chaînes en variables numériques avec la commande autorecode. –Utilisez un gabarit autorecode pour ajouter des schémas de recodage existants. –Recodez simultanément plusieurs variables. –Recodez automatiquement les chaînes vides pour qu’elles soient définies comme valeurs utilisateur manquantes (user-missing). ■Créez des transformations conditionnelles avec les structures do if, else if, else et end if. ■Utilisez les structures de programmation telles que do repeat-end repeat, loop-end loop et les vecteurs. ■Rendez les transformations permanentes ou temporaires. ■Exécutez des transformations immédiatement, en mode batch ou à la demande. ■Trouvez et remplacez facilement les chaînes de texte dans vos données en utilisant la fonction chercher/remplacer. ■Utilisez la distribution cumulative, la distribution cumulative inverse et les fonctions de génération de nombres aléatoires : beta, Cauchy, Khi-carré, exponentiel, F, Gamma, Laplace, logistique, lognormal, Normal, Pareto, Student t, uniforme et Weibull. –Distribution normale bivariée standard avec corrélation r, Half Normal, Gaussian inverse, étendue de Student et modulus maximum de Student. Travaillez avec la distribution cumulative et le générateur de nombres aléatoires pour les fonctions de distribution discrète : Bernoulli, binomiale, géométrique, hypergéométrique, binomiale négative et Poisson. ■Utilisez la distribution cumulative pour la distribution non centrale : Beta noncentral, Khi-carré non-central, F noncentral et T non-central. ■Utilisez les fonctions de densité/ probabilité pour : –Distributions continues : Beta, normal bivarié standard avec corrélation R, Cauchy, Khi-carré, exponentiel, F, Gamma, demi normal aléatoire, Gaussian inverse, Laplace, logistique, lognormal, normal, Pareto, Student t, uniforme et Weibull. –Distributions discrètes : Bernoulli, binomiale, géométrique, hypergéométrique, binomiale négative et Poisson. ■Utilisez les fonctions de densité/ probabilité non centrales pour : Beta non-central, Khi-carré non-central, distribution F non-centrale et distribution T non-centrale. ■Sélectionnez les probabilités à deux possibilités : Khi-carré & F. ■Utilisez la fonction auxiliaire : logarithme de la fonction Gamma complète. ■ Debian® 4.0 † L’installation de l'aide dans toutes les langues nécessite 1,1 à 2,3 Go d’espace libre sur le disque dur. Ces fonctions sont susceptibles d’être modifiées en fonction de la version finale du produit. 14 PASW Statistics Base 17.0 pour Windows ■Système d’exploitation : Microsoft Windows XP (version 32 bits) ou Vista® (version 32 ou 64 bits) ■Matériel : –Processeur Intel® ou AMDx86 à 1GHz ou au-dessus –Mémoire : RAM de 512 Mo ou plus ; 1 Go recommandé –Espace disque disponible minimum : 650 Mo† –Lecteur de CD-ROM –Moniteur super VGA (800x600) ou une résolution supérieure ■Pour la connexion avec PASW Statistics Base Server, une carte réseau exécutant le protocole TCP/IP ■Navigateur Web : Internet Explorer 6 ou au-dessus PASW Statistics Base 17.0 pour MAC OS X ■Système d’exploitation : Apple Mac OS X 10.4 (Tiger™) ou Mac OSX 10.5 (Leopard™) ■Matériel : –Processeur Intel® –Mémoire : RAM de 512 Mo ; 1 Go recommandé –Espace disque disponible minimum : 800 Mo† –Lecteur de CD-ROM –Moniteur super VGA (800x600) ou une résolution supérieure ■Navigateur Web : Safari™ 1.3.1, Mozilla® Firefox® 1.5 ou Netscape® 7.2 ■Java™ Standard Edition 5.0 (J2SE 5.0) PASW Statistics Base 17.0 pour Linux ■Système d’exploitation : tout système d’exploitation Linux qui répond aux conditions suivantes*** : – Kernel 2.6.9.42 ou au-dessus – glibc 2.3.4 ou au-dessus – Xfree86-4.0 ou au-dessus – libstdc++5 ■Matériel : –Processeur : Intel ou AMDx86 s’exécutant à 1 GHz ou au-dessus –Mémoire : 512 Mo de RAM ou plus ; 1 Go recommandé ** Supporté uniquement sous Windows. *** Remarque : PASW Statistics 17.0 a été testé sur et est supporté uniquement sur Red Hat Enterprise Linux 4 Desktop et Configuration système Ce symbole indique une nouvelle fonction. –Espace disque disponible minimum : 650 Mo –Lecteur de CD-ROM –Moniteur super VGA (800x600) ou une résolution supérieure –Navigateur Web : Konqueror 3.4.1, Firefox 1.0.6 ou Tescape 7.2 Produits entreprise PASW Statistics Base Server PASW Statistics Base Server permet aux utilisateurs PASW de l’entreprise de travailler avec de grands fichiers de données pour une meilleure prise de décision. La version client/serveur combine PASW Statistics avec PASW Statistics Base Server et une vaste gamme de modules additionnels pour fournir une évolutivité de niveau entreprise et des performances optimisées. Statistics Adapter pour les Services de collaboration et de déploiement PASW L’adaptateur PASW apporte de puissantes capacités de gestion pour les ressources et les processus analytiques. Il permet d’intégrer PASW Statistics à la plate-forme SPSS Predictive Enterprise Services™. Cette application, destinée aux entreprises, offre un référentiel auditable, centralisé et sécurisé pour les données et les modèles. Avec PASW Adapter, vous pouvez par exemple : ■Mettre en place des analyses et des modèles et programmer des tâches ; ■Normaliser l’utilisation de transformations et de modèles PASW Statistics dans toute l’entreprise ; ■Mettre à jour régulièrement les informations pour les bases de données de modèles et de scoring ; ■Auditer les analyses effectuées pour conformité avec les réglementations administratives. Gamme PASW Statistics Ajoutez davantage de puissance analytique, au fur et à mesure de vos besoins, avec des modules additionnels et optionnels et des logiciels autonomes de la gamme PASW Statistics. Sauf spécifications contraires, les produits décrits ci-dessous nécessitent la version correspondante de PASW Statistics Base. PASW EZ RFM†† PASW EZ RFM fournit aux marketeurs tous les outils nécessaires pour cibler les promotions plus efficacement en segmentant les clients en fonction des critères RFM : la Récence, la Fréquence ou la valeur Monétaire de leurs achats. Ce type d’analyse RFM était jusqu’à présent difficile à réaliser. Avec SPSS EZ RFM, la procédure est simple et les résultats totalement fiables. PASW Statistics Programmability Extension†† Une fonction de programmabilité étendue transforme PASW Statistics en l’une des plus puissantes plates-formes de développement statistique. Vous pouvez utiliser le langage de programmation externe Python® pour développer de nouvelles procédures et applications (y compris celles écrites en R). Des outils optimisés permettent d’ajouter ces procédures, notamment une nouvelle interface utilisateur ou, sous PASW Output Viewer, la présentation des résultats dans des tables pivot. Visitez SPSS Developer Central sur www.spss.comme/devcentral. Vous pourrez y partager du code, des outils et des idées de programmation. PASW Régression†† Prévoyez le comportement ou les événements lorsque vos données vont au-delà des hypothèses utilisées par les techniques de régression linéaires. Exécutez la régression logistique binaire ou multinomiale et la régression non linéaire, les moindres carrés pondérés, les moindres carrés en deux étapes et l’analyse probit. PASW Advanced Statistics†† Les puissantes techniques multivariables de PASW Advanced Statistics incluent des modèles linéaires généralisés (GENLIN), des équations d’estimation généralisées (GEE), des modèles de niveau mixte, des modèles linéaires généraux (GLM), l’estimation de ††PASW EZ RFM, PASW Statistics Programmability Extension, PASW Regression, PASW Advanced Statistics, PASW Custom Tables, PASW Decision Trees, PASW Exact Tests, PASW Categories, PASW Forecasting, PASW Conjoint, PASW Missing Values, PASW Data Preparation, PASW Neural Networks, PASW Complex Samples et PASW Viz Designer, précédemment appelés SPSS EZ RFM™, SPSS Statistics Programmability Extension™, SPSS Regression, SPSS Advanced Statistics, SPSS Custom Tables, SPSS Decision Trees, SPSS Exact Tests™, SPSS Categories™, SPSS Forecasting, SPSS Conjoint™, SPSS Missing Values, SPSS Data Preparation™, SPSS Neural Networks™, SPSS Complex Samples™ et SPSS Viz Designer™, font partie du portefeuille de logiciels d’analyse prédictive de SPSS Inc. 15 composant de variance, l’analyse MANOVA, l’estimation Kaplan-Meier, la régression de Cox, les procédures hiloglinear, loglinear et l’analyse de survie. PASW Custom Tables†† Utilisez PASW Custom Tables pour présenter les résultats des enquêtes de satisfaction client, des collectes de données et des rapports de conformité. Des fonctions telles que la prévisualisation du générateur de tableaux, l’inclusion de statistiques inférentielles et des capacités de gestion de données vous permettent de communiquer facilement vos résultats, de façon claire. PASW Decision Trees†† Créez des classifications et des arbres de décision extrêmement visuels directement dans PASW Statistics pour segmentation, stratification, prédiction, réduction des données et filtrage de variable, identification d’interaction, fusion de catégories et discrétisation de variables continues. Des arborescences très claires permettent de présenter les résultats de façon intuitive. PASW Exact Tests (Windows uniquement)†† PASW Exact Tests vous fournit toujours les valeurs p correctes, quelle que soit la structure de vos données, même si vous avez un petit nombre de cas, si vous avez subdivisé vos données en des répartitions fines ou si vous avez des variables pour lesquelles 80 % ou plus des réponses figurent dans une même catégorie. PASW Catégories†† Libérez tout le potentiel de vos données catégoriques via des cartes perceptuelles avec dimensionnement optimal et technique de réduction de dimension. Ce module vous fournit tout ce dont vous avez besoin pour analyser et interpréter plus complètement les données multivariées et leurs relations. PASW Forecasting†† Améliorez les prévisions avec des analyses de séries temporelles complètes, incluant de multiples modèles d’ajustement de courbe et de lissage ainsi que des méthodes pour l’estimation des fonctions autorégressives. Utilisez l’Expert Modeler pour déterminer automatiquement le processus ARIMA (Autoregressive Integrated Moving Average) ou le modèle de lissage exponentiel correspondant le mieux à vos séries temporelles et à vos variables indépendantes, évitant ainsi toute sélection par essais et erreurs. PASW Conjoint†† PASW Conjoint aide les spécialistes des études de marché à développer des produits performants. Avec l’analyse conjointe, vous découvrez quels attributs sont considérés comme importants par le consommateur pour les produits et quels sont les niveaux les plus appréciés pour ces attributs. Vous pouvez effectuer des études de prix et des études de valeur de la marque. PASW Missing Values†† Si des valeurs sont manquantes dans vos données, cette procédure peut trouver certaines relations entre les valeurs manquantes et d’autres variables. Cette procédure des valeurs manquantes peut en outre estimer quelle serait la valeur si les données n’étaient pas manquantes. PASW Data Preparation†† PASW Data Preparation apporte plusieurs procédures qui facilitent le processus de préparation des données. Ce module vous permet d’identifier facilement les cas suspects et invalides, les variables et les valeurs des données ; de visualiser les modèles des données manquantes ; de résumer les distributions de variables pour préparer les données à l’analyse et de travailler de façon plus précise avec des algorithmes conçus pour les attributs nominaux. PASW Neural Networks†† Utilisez le nouveau module PASW Neural Networks pour modéliser des relations complexes entre les entrées et les sorties ou découvrir des modèles dans vos données. Choisissez à partir d’algorithmes utilisables pour la classification (résultats catégoriques) et la prédiction (résultats numériques). Les Pour en savoir davantage, visitez www.spss.com Pour les adresses et les numéros de téléphone des bureaux SPSS allez à www.spss.com/worldwide. SPSS est une marque déposée et les autres produits SPSS Inc. nommés sont des marques de SPSS Inc. Tous les autres noms sont des marques appartenant à leur détenteur respectif. © 2009 SPSS Inc. Tous droits réservés. S1702SPC-0209-FR deux algorithmes disponibles sont Multilayer Perceptron et Radial Basis Function. PASW Complexe Samples†† Intégrez des plans d’échantillons complexes dans votre analyse de données pour une analyse plus précise des données provenant d’échantillons complexes. Les outils de planification et de statistiques spécialisés de PASW Complexe Samples réduisent le risque d’inférences incorrectes ou trompeuses pour l’échantillonnage stratifié, en cluster ou multistage. Amos™ (Windows uniquement) Soutenez vos recherches et vos théories en développant des méthodes d’analyse multivariables standard avec ce progiciel autonome pour la modélisation d’équations structurelles (SEM). Construisez des modèles d’attitude et de comportement qui reflètent de façon plus réaliste les relations complexes, parce que toute variable numérique, qu’elle soit observée ou latente, peut être utilisée pour prévoir toute autre variable numérique. PASW Text Analysis for Surveys™ Ce progiciel autonome offre une combinaison de technologies linguistiques et de techniques manuelles pour catégoriser les réponses à des questions ouvertes. Pour optimiser votre analyse quantitative, vous pouvez exporter les résultats en tant que catégories ou dichotomies pour analyse dans PASW Statistics Base, Dimensions ou Excel. SPSS Data Entry™ et Dimensions™ SPSS offre toute une variété de produits autonomes qui aident à entrer et à capturer les données pour les enquêtes. Les produits SPSS Data Entry fournissent des options pour la saisie de données sur le poste de travail ou sur le Web, utiles lorsque plusieurs postes Dimensions sont mis en réseau. Dimensions vous permet de capturer automatiquement les données en ligne, par téléphone, via des dispositifs manuels ou avec des formulaires papier que vous numérisez. Tous ces produits fonctionnent avec PASW Statistics 17.0 et vous permettent d’analyser vos données d’enquête de façon transparente.