SPSS Categories - 帮您揭示分类数据中的独特关系

	该数据是一张2*5*6的图表， 包含关于两种性别，五个年龄层次和六种产品的资讯。 这种划分展现了一个2维多元相关分析的结果。注意例如“A”和“B”的产品被比较年轻的男士所喜欢，而老年人则比较喜欢“G”和“D”产品。

通过启发性的概念映射、最优尺度、偏好尺度和数据降维技术，揭示数据中全部潜在的关系。SPSS Categories为您提供深入分析复杂的分类数据和高维数据的全部工具。 利用SPSS Categories，您可以直观地解释数据，了解大型表中的计数、分级和排序是如何关联的。这使您可以：
·通过类似传统的回归、主成分分析、和典型相关分析，处理和了解序次及名义数据
·进行以序次及名义分类变量为预测因子或结果变量的回归
例如，利用SPSS Categories了解与您的产品或品牌联系最紧密的客户特征，或确定相对于其它产品或者竞争对手的产品，顾客对您产品的认知。

把您的定性数据转化为定量数据
SPSS Categories中的高级程序使您能够实现更多形式的分类数据的统计分析。
利用SPSS Categories的最优尺度您可以指定测量单位以及分类数据中的零点。通过允许您分析具有混合测量水平的变量（例如名义、序次、和数值变量），为您提供一套新的统计分析功能。
SPSS Categories的对应分析和多重对应分析程序帮助您数字化地评估两个或多于两个名义变量的相似性。并且，利用主成分分析程序，您可以根据重要成分来描述数据。或者把不同测量水平的变量合并为一组，然后进行非线性典型相关分析。

图形化展示数据中的潜在关系
无论您研究的分类数据是什么类型，例如市场细分、亚文化研究、政党研究、或者生物物种－SPSS Categories的最优尺度程序使您不再受限于二维的表格，帮您在更大的框架中展现数据变量之间的关系。您不仅仅能够看到统计报告，您也可以看到数据映射。
SPSS Categories数据降维技术使您不拘泥于复杂的表格

分析形式。相反，您可以利用概念映射和双标图阐明数据之间的关系。
·高解析度的概念映射图能够图形化地展现相似的变量或相近的类别。它们为您提供独特的洞察力来了解两个或多于两个类别的分类变量之间的关系
·双标图帮助您了解观测、变量和类别之间的关系。例如，
您可以了解产品、顾客和人口统计特征之间的关系。
现在，利用新增的偏好尺度分析，您能够进一步可视化地展现对象之间的关系。这一程序所基于的突破性算法使您能够实现序次变量的非度量性多维标度分析，并得到有意义的结果。

如何使用SPSS Categories
以下程序可为您的数据分析增添有意义的结果

·分类回归（CATREG）
利用最优尺度的技术从一组分类预测因子中预测名义、序次或数值变量的取值。您可以利用最优尺度回归描述诸如工作满意度如何与工作种类、地域和工作相关的差旅行程相关联等问题。

·对应分析（CORRESPONDENCE）
使您能够分析行列包含对应量度的二维表格。最常见的对应表格就是单元格包含频数计数的列联表。 SPSS Categories通过概念映射图描述名义变量之间的关系，也能够直观展现变量不同类别之间的关系。

·多重对应分析（MULTIPLE CORRESPONDENCE）
用来分析多类别（大于等于2）的分类数据。程序类似对应分析，但不局限于两个变量。所有变量在多重对应分析中都是作为名义变量进行分析的。 例如，您可以利用多重对应分析来探察最受欢迎的电视节目秀、年龄组和性别之间的相关性。通过SPSS Categories生成的低维映射图，您可以了解每个节目秀被哪些群体喜欢，同时了解哪些节目秀是最相似的。

例如，您可以展示不同品牌的车子与价格、重量以及耗油量等特征之间的关系。或者，您可以依照车子的等级（小型车、中型车、SUB多功能运动型）加以描述，及车子的特点分为不同群组。SPSS Categories以低维映射图显示结果，从而使结果更容易理解。

·非线性典型相关分析（OVERALS）
运用最优尺度法来一般化典型相关分析，以涵盖混合测量水平的变量。这类分析方法在移除组里相关后，能在相同图表中比较多组与单一变量。

例如，在味觉研究中，您可以分析产品特征，如汤。对汤的评价表示组中的变量，而汤表示不同的观测。 OVERALS在移除相关性后对评估进行平均，并结合不同的特征来显示不同汤之间的相关性。

然而，每个评判人员或许用单独的标准进行评判。这种情况下，每个人的评判构成一组，OVERALS在移除相关性后基于不同标准进行平均，然后合并不同评判人员的打分。

·多维尺度（PROXSCAL）
可进行一个和多个含有相同和相异矩阵的多维尺度分析。另外，您也可以输入PROXSCAL的多维数据观测之间的距离。

PROXSCAL可在低维图上显示距离，您可以获得对象关系的"空间"理解。在多重相似矩阵的情形，PROXSCAL将分析它们的共同度，并以图形展现它们之间的差异。

例如，PROXSCAL可展现不同可乐口味在不同年龄层之消费者的偏好。您也许会发现青年人更注重传统和新口味之间的区别，而成人则注重是否是低热量的可乐。

例如，一些驾驶员根据十种特性和六个等级来评价二十六种车子，您可以找出种类相似的车子集合，以及它们彼此的相关特性。

系统需要

	SPSS Base
	其它的系统需求根据平台的不同而异