Logiciel Statistique Complet

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.