Введение. 
Обработка и анализ информации в программе "IBM SPSS Statistics 20"

описательный статистика выборка.

IBM® SPSS® Statistics — это универсальная система для анализа данных.

SPSS Statistics может считывать данные практически любого типа и использовать их для создания табличных отчетов, диаграмм, графиков распределений и трендов, вычисления показателей, проведения статистического анализа и построения моделей.

Для расширения функциональных возможностей базовой системы IBM® SPSS® Statistics доступны следующие дополнительные модули:

Статистическая база предоставляет широкий диапазон статистических процедур для базового анализа и создания отчетов, включая частоты, сопряженности и описательные таблицы, кубы OLAP и отчеты шифровальных книг. Также этот модуль предоставляет широкий диапазон уменьшения размера, методы классификации и сегментации, например факторный анализ, кластерный анализ, анализ методом ближайшего соседа и анализ дискриминантной функции. Кроме этого, SPSS Statistics База предлагает широкий диапазон алгоритмов сравнения средних величин и методы прогноза, например t-статистику, дисперсионный анализ, линейную и порядковую регрессию.

В Advanced Statistics содержатся методы, часто используемые в сложных экспериментальных и биомедицинских исследованиях. Он включает процедуры общей линейной модели (ОЛМ), смешанных линейных моделей, анализа компонент дисперсии, логлинейного анализа, порядковой регрессии, страховых таблиц, анализа выживаемости Каплана-Мейера, а также базовую и расширенную регрессию Кокса.

Бутстреппинг является методом наследования мощных измерений стандартных ошибок и доверительных интервалов для измерений, таких как среднее, медиана, пропорция, кумулятивное отношение, коэффициенты корреляции и регрессии.

Categories — процедуры оптимального шкалирования, включая анализ соответствий.

Complex Samples позволяет тем, кто проводит выборочные опросы и обследования, создавать выборки со сложными планами и учитывать сложные планы выборок при анализе.

Conjoint позволяет измерять влияние отдельных атрибутов товаров на предпочтения потребителей.

С помощью Conjoint можно легко измерять эффект попеременного использования каждого атрибута продукта в контексте набора атрибутов продукта — как это делают потребители, когда принимают решение о покупке.

Custom Tables позволяет создавать разнообразные табличные отчеты, готовые для презентаций, включая сложные отчеты и таблицы для переменных с множественными ответами.

Data Preparation позволяет практически мгновенно получить первое представление о данных. Этот дополнительный модуль также позволяет применять к данным правила проверки для обнаружения недопустимых значений. Вы можете создавать правила, которые выявляют значения, выходящие за пределы диапазона, и пропущенные значения. Имеется возможность сохранять переменные, содержащие информацию о нарушении правил контроля и общее количество нарушений по каждому наблюдению. Предоставляется ограниченный набор предопределенных правил, который можно скопировать или изменить.

Decision Trees позволяет строить модели деревьев классификации. Такие модели классифицируют наблюдения на группы или предсказывают значения зависимой (целевой) переменной по значениям независимой переменной (предиктора). Для таких моделей также доступны инструменты проверки для разведочного и подтверждающего классификационного анализа. Прямой маркетинг позволяет сделать маркетинговые программы эффективными в такой степени, насколько это возможно с помощью методов, специально разработанных для прямого маркетинга.

Exact Tests позволяет вычислять точные уровни p для статистических критериев в том случае, когда маленький размер или неравномерность выборки может сделать обычные критерии неточными. Этот модулю доступен только в версиях для систем Windows.

Forecasting дает возможность анализировать и предсказывать временные ряды, предоставляя множество моделей аппроксимации кривых, сглаживания, а также методов оценивания авторегрессионных функций.

Missing Values дает возможность описывать закономерности в пропущенных данных, оценивать средние значения и другие статистики и производить импутацию пропущенных значений.

Neural Networks может использоваться при выборе решений в сфере бизнеса при предсказании спроса на продукцию как функции от цены и от других переменных, или при группировке клиентов на основе покупательских привычек и демографических характеристик. Нейронные сети являются средством нелинейного моделирования данных. Они могут быть полезны при моделировании сложных отношений между входом и выходом или при поиске шаблонов в данных.

В Regression реализованы методы анализа данных, не удовлетворяющих предположениям традиционных линейных статистических моделей. Он содержит процедуры для пробит-анализа, логистической регрессии, взвешенного оценивания, двухэтапной регрессии методом наименьших квадратов, общей нелинейной регрессии.

Amos™ (analysis of moment structures) использует моделирование при помощи структурных уравнений для подтверждения и объяснения концептуальных моделей для атрибутов, восприятия и других поведенческих факторов.