網頁 貼吧 文章 作者 工作  
網頁搜尋
 
 愛PO吧 >> 簡沛恩 >> 瀏覽文章
回覆 加入我的最愛 與好友分享

SPSS 13.0 英文光碟正式版(最優秀的統計分析軟體之一)

本被文章 0 次, 共有回覆 2  
0
 
0
SPSS 13.0 英文光碟正式版(最優秀的統計分析軟體之一)


商品名稱: SPSS 13.0


商品分類: 報表.會計.統計.數學軟體


商品類型: 最優秀的統計分析軟體之一


語系版本: 英文光碟正式版


運行平台: WIN 9x/WIN ME/WIN NT/WIN 2000/WIN XP/WIN 2003


更新日期: 2005-02-01


熱門標籤: SPSS





安裝說明:



1.當詢問序號時,可任意輸入。

2.將CRACK資料夾內lservrc檔複製並覆誚雃w裝主程式下,即可完成安裝。

內容說明:





SPSS 13.0 最優秀的統計分析軟體之一



SPSS的全稱是:Statistical Program for Social Sciences,即社會科學統計程式。該軟

體是公認的最優秀的統計分析套裝軟體之一。SPSS原是為大型電腦開發的,其版本為

SPSSx.Spss是著名的綜合性統計軟體,SPSS軟體面向行業應用人員,軟體設計突出統計方

法的成熟、實用、易用性、介面易操作性及與文書處理軟體等的交互性上



SPSS 13版新增弁鄐雯?



1.增強的資料管理弁?

在10版以後,SPSS的每個新增版本都會對資料管理弁鄑@一些改進,以使用戶的使用更為

方便。13版中的改進可能主要有以下幾個方面:



1)超長變數名:在12版中,變數名已經最多可以為64個字元長度,13版中可能還要大大

放寬這一限制,以達到對當今各種複雜資料倉庫更好的相容性。



2)改進的Autorecode過程:該過程將可以使用自動編碼模版,從而用戶可以按自定義的

順序,而不是默認的ASCII碼順序進行變數值的重編碼。另外,Autorecode過程將可以

同時對多個變數進行重編碼,以提高分析效率。



3)改進的日期/時間函數:本次的改進將集中在使得兩個日期/時間差值的計算,以及對

日期變數值的增減更為容易上。



2.更完善的結果報告弁?

從10版起,對資料和結果的圖表呈現弁鄐@直是SPSS改進的重點。在12版中,SPSS推出了

全新的常規圖弁遄A報表弁鄐]達到了比較完善的地步。13版將針對使用中出現的一些問

題,以及用戶的需求對圖表弁鄑@進一步的改善。



1)統計圖:在經過一年的使用後,新的常規圖操作介面已基本完善,本次的改進除使得操

作更為便捷外,還突出了兩個重點。首先在常規圖中引入更多的交互圖弁遄A如圖組

(Paneled charts),帶誤差線的分類圖形如誤差線條圖和線圖,立體效果的簡單、堆

積和分段圓形圖等。其次是引入幾種新的圖形,目前已知的有人口金字塔和點密度圖兩種。



2)統計表:幾乎全部過程的輸出都將會棄用文本,改為更美觀的樞軸表。而且樞軸表的表現

和易用性會得到進一步的提高,並加入了一些新的弁遄A如可以對統計量進行排序、在表

格中合併/省略若干小類的輸出等。此外,樞軸表將可以被直接導出到PowerPoint中,這些

無疑都方便了用戶的使用。



3.為Complex Samples模組增加統計建模弁遄G

Complex Samples是12版中新增的模組,用於實現複雜抽樣的設計方案,以及對相應的資料進行

描述。但當時並未提供統計建模弁遄C在13版中,這將會有很大的改觀。一般線形模型將會被

完整地引入複雜抽樣模組中,以實現對複雜抽樣研究中各種連續性變數的建模預測弁遄A例如

對市場調研中的客戶滿意度數據進行建模。對於分類資料,Logistic回歸則將會被系統的引入。

這樣,對於一個任意複雜的抽樣研究,如多階段分層整群抽樣,或者更複雜的PPS抽樣,研究者

都可以在該模組中輕鬆的實現從抽樣設計、統計描述到複雜統計建模以發現影響因素的整個分

析過程,方差分析模型、線形回歸模型、Logistic回歸模型等複雜的統計模型都可以加以使用,

而操作方式將會和完全隨機抽樣資料的分析操作沒有什麼差別。可以預見,該模組的推出將會

大大促進國內對複雜抽樣時統計推斷模型的正確應用。



4.新增的Classification Tree模組:

這個模組實際上就是將以前單獨發行的SPSS AnswerTree軟體整合進了SPSS平臺。筆者幾年前在

自己的網站上介紹SPSS 11的新弁鉈氶A曾經很尖銳地指出SPSS目前的產品線過於分散,應當把

各種弁鉊?璊@的小軟體,如AnswerTree、Sample Power等整合到SPSS等幾個平臺上去。看來

SPSS公司也意識到了這一點,而AnswerTree就是在此背景下第一個被徹底整合的產品。



Classification Tree模組基於資料挖掘中發展起來的樹結構模型對分類變數或連續變數進行預

測,可以方便、快速的對樣本進行細分,而不需要用戶有太多的統計專業知識。目前在市場細分

和資料挖掘中有較廣泛的應用。現在已知該模組提供了CHAID、Exhaustive CHAID和C&RT三種演

算法,在AnswerTree中提供的QUEST演算法尚不能肯定是否會被納入。



為了方便新老用戶的使用,Tree模組在操作方式上不再使用AnswerTree中的嚮導方式,而是SPSS

近兩年開始採用的互動式選項卡對話方塊。但是,整個選項卡介面的內容實際上是和原先的嚮導

基本一致的,另外,模型的結果輸出仍然是AnswerTree中標準的樹狀圖,這使得AnswerTree的老

用戶基本上不需要專門的學習就能夠懂得如何使用該模組。



由於樹結構模型的方法體系和傳統的統計方法完全不同,貿然引入可能會引起讀者統計方法體系

的混亂。為此,本次編寫的高級教程並未介紹該模組,而將在高級教程的下一個版本,以及關於

市場細分問題的教材中對其加以詳細介紹。



5.更好的SPSS系列產品相容性

隨著自身產品線的不斷完善,SPSS公司的產品體系已經日益完整,而不同產品間的互補和相容性

也在不斷加以改進。在13版中,SPSS軟體已經可以和其他一些最新的產品很好的整合在一起,形

成更為完整的解決方案。例如,SPSS、SPSS Data Entry和新發佈的SPSS Text Analysis for

Surveys一起就形成了對調查研究的完整解決方案。而新增的SPSS Classification Trees模組將

使得SPSS軟體本身就能夠針對市場細分工作提供更為完整的方法體系。





SPSS 13.0 for Windows provides you with a broad range of

capabilities for the entire statistical analysis process.

With SPSS, you can generate decision-making information

quickly using powerful statistics, understand and effectively

present your results with high-quality tabular and graphical

output, and share your results with others using a variety of

reporting methods, including secure Web publishing. This data

analysis enables you to make smarter decisions more quickly

by uncovering key facts, patterns and trends.



For more than 35 years, people like you have used SPSS for

data mining, data management and database analysis, market

and survey research, and research of all types because SPSS

is the best software for solving business and research

problems using statistics.












相關商品:

SPSS Dimensions Desktop v5.0 英文正式版(統計分析軟體)


SPSS Amos v7.0 英文正式版(結構方程式、探索變數間的關係軟體)


SPSS V15.0 英文完整正式版(統計分析系統)


SPSS 14.0 英文正式版(最優秀的統計分析套裝軟體)


SPSS SmartViewer v15.0 英文正式版(SPSS統計報表生成與發佈的軟體)

逛上一篇:   逛下一篇:

作者: lunpcwur
  (2011-03-23 02:45)
推薦文章: 將本文章推薦到【百度收藏】 將本文章推薦到【YouPush】 將本文章推薦到【udn共享書籤】 將本文章推薦到【Fiigo】書籤

 本文章共有回覆 2 篇,分 1 頁
 聲明:以上內容不代表本站立場,且內容由網友發表提供,若有爭議或違法由發表者承擔,本站將不負責連帶責任,謝謝。

 IPoBar  愛PK  愛遊戲  愛online
新手教學 客服中心 站務公告 交換連結 合作提案 關於我們
 
版權所有©ipobar Ltd., All Rights Reserved.
論壇內會員言論僅代表個人觀點,不代表本站同意其說法,本討論區不承擔由該言論所引起的法律責任