IBM SPSS Statistics Base - spssca.com€¦ · En comparación con otro software estadístico, IBM SPSS Statistics es más fácil de usar, tiene un coste total de propiedad más bajo

IBM SPSS Statistics Base Confíe en sus resultados analíticos y en las decisiones comerciales que tome

Las organizaciones pueden solucionar una amplia gama de problemas empresariales y de investigación con IBM SPSS Statistics. Esta pionera gama de productos de análisis se ha utilizado en todo el mundo durante más de 40 años.

En comparación con otro software estadístico, IBM SPSS Statistics es más fácil de usar, tiene un coste total de propiedad más bajo y gestiona todo el proceso de análisis de forma más completa, desde la planificación hasta la recopilación de datos pasando por el análisis, la elaboración de informes y la distribución.

Organizaciones de todo tipo confían en IBM SPSS Statistics para aumentar los ingresos, superar a competidores, realizar estudios y tomar decisiones más acertadas. Tras décadas de experiencia e innovación, es el producto elegido en todo el mundo para un análisis estadístico fiable.

IBM SPSS Statistics Base forma parte de la suite de software IBM SPSS Statistics, que consiste en más de una docena de productos totalmente integrados que ofrecen funciones especializadas. Esta completa solución de software de fácil uso incluye un amplio conjunto de procedimientos y pruebas para ayudar a los usuarios a resolver desafíos complejos de negocio y de investigación.

IBM SPSS Statistics Base y los demás productos de software de IBM SPSS Statistics se pueden adquirir por separado o formando parte de tres ediciones especializadas: IBM SPSS Statistics Standard, IBM SPSS Statistics Professional e IBM SPSS Statistics Premium. Al agrupar funciones esenciales, estas ediciones proporcionan una manera eficaz de asegurar que todo su equipo o departamento cuente con las funciones que necesitan para realizar los análisis que contribuyen al éxito de su organización.

Características principales

• Obtengaasistenciaatravésdecadapasodelprocesoanalítico.

• Lleveacaboanálisisesencialesdesdeunainterfazgráficaintuitiva.

• Seleccionedeentremásdeunadocenadeproductosintegradospararealizaranálisisespecializadosdemaneramásrápidaysencilla.

• AñadapotenciacuandolanecesiteyconectelosdatosalatomadedecisionesmedianteIBMSPSSCollaborationandDeploymentServices.

BusinessAnalyticsIBM Software IBM SPSS Statistics


2

Puede elegir una versión de sólo cliente de IBM SPSS Statistics Base o una versión para servidor, que ofrece funciones más potentes, un incremento del rendimiento y la capacidad de ampliación y una administración más eficaz.

Preparación de datos para análisis más rápidos y sencillos Antes de poder analizar sus datos, debe prepararlos para el análisis. Numerosas técnicas y funciones incluidas en IBM SPSS Statistics Base permiten una sencilla preparación de los datos. A continuación se indican los resúmenes de un par de elementos importantes de la gestión de datos. Con IBM SPSS Statistics Base, puede configurar fácilmente información de diccionario de datos (por ejemplo, etiquetas de valor y tipos de variable) y preparar los datos para su análisis con mayor rapidez usando la herramienta de definición de propiedades de variable. IBM SPSS Statistics Base presenta una lista de valores y recuentos de esos valores para que pueda añadir esta información. Una vez se haya configurado el diccionario de datos, puede aplicarlo utilizando la herramienta Copiar propiedades de datos. El diccionario de datos actúa como plantilla, de modo que puede aplicarla en otros archivos de datos y otras variables del mismo archivo.

SPSS Statistics Base facilita la identificación de casos duplicados, para que puedan eliminarse antes del análisis. Utilice la herramienta de identificación de casos duplicados para establecer parámetros y marcar duplicados para poder realizar un seguimiento de los mismos para el registro.

Además, IBM SPSS Statistics Base facilita la preparación de datos de nivel continuo para su análisis. Por ejemplo, el agrupador visual le permite dividir fácilmente los ingresos en “tramos” de 10.000 o dividir las edades en grupos. Una lectura de datos proporciona un histograma que le permite especificar puntos de corte de forma inteligente. A continuación, puede crear automáticamente etiquetas de valor desde los puntos de corte especificados (por ejemplo, “21-30”).

Mejoras en versiones recientes

Lasversionesrecientesincluyenunamejorusabilidad,nuevastécnicasanalíticas,mejorasenelrendimientoyunamejorintegraciónconlosdemásproductosdeIBM.

• Modeladodesimulación–Construyamejoresmodelosyevalúeelriesgocuandolasentradaspresentenincertidumbres,utilizandotécnicasdesimulaciónMonteCarlo.

• Mapas:mejoresucapacidadparaidentificar,pronosticaryplanificarporáreageográfica,yamplíesuscapacidadesdegeneracióndeinformesutilizandoplantillasdemapaspredefinidosoarchivosESRI.

• Herramientadecomparacióndearchivosdedatos–Comparedosarchivosdedatosparaasegurarsedequelosvaloresdedatosylosregistrossoncompatibles.

• Seguridaddedatos–Protejaporcontraseñasusdatosysusalida.

• Salidastabularesmásrápidas–Vealosresultadossignificativamentemásrápido.

Acceso y análisis de grandes conjuntos de datos rápidamente SPSS Statistics facilita un acceso, gestión y análisis rápidos de cualquier tipo de conjunto de datos, incluidos datos de encuesta, bases de datos corporativas o datos descargados de Internet.

Además, el software puede procesar datos Unicode. Esto elimina la variabilidad en los datos debido a una codificación específica de un lenguaje y permite que su organización visualice, analice y comparta datos escritos en múltiples lenguajes.


3

Cree su propia información de diccionario para variables con atributos personalizados. Por ejemplo, cree un atributo personalizado que represente todo el texto de una pregunta de encuesta cuando un nombre de código como “demo01” se utilice como nombre de variable. También puede crear atributos personalizados que describan transformaciones para una variable derivada con información que explique cómo ha transformado la variable.

Puede abrir varios conjuntos de datos en una única sesión. Esto le permite ahorrar tiempo y comprimir pasos al combinar archivos de datos. También le ayuda a mantener la coherencia al copiar información de diccionario de datos entre varios archivos. O, si lo prefiere, puede suprimir el número de conjuntos de datos activos.

También puede comparar dos conjuntos de datos o dos archivos de datos para identificar posibles discrepancias entre ellos. Existen dos niveles de comparación: la primera es una comparación de los metadatos de los documentos y la segunda es una comparación caso por caso de determinados valores de variables.

SPSS Statistics Base le permite reestructurar sus archivos de datos para prepararlos para su análisis. Por ejemplo, tome un archivo de datos que tenga varios casos por asunto y reestructure los datos para colocar todos los datos de cada asunto en un único registro. También puede completar la acción inversa; puede tomar un archivo de datos que tenga un único caso por asunto y extender los datos por varios casos.

Utilice el asistente de fecha y hora para realizar cálculos con fechas y horas, crear variables de fecha/hora a partir de cadenas que contengan variables de fecha (como “29/03/10”) y obtener datos de fecha/hora a partir de una variedad de fuentes para IBM SPSS Statistics Base. También puede analizar unidades de fecha/hora individuales, como el año, de variables de fecha/hora para aplicar el filtro.

Análisis de datos con técnicas integrales Vaya más allá de los estadísticos de resumen y la coincidencia de fila y columna. IBM SPSS Statistics Base le proporciona una amplia gama de procedimientos estadísticos para una análisis básico, en el que se incluyen recuentos, tablas de contingencia, conglomerados, descriptivos, análisis factorial, regresión lineal, análisis de conglomerados, regresión ordinal y análisis del elemento afín.

Una vez haya completado su análisis, podrá volver a escribir los datos en su base de datos con facilidad mediante el asistente de exportación a base de datos. Para obtener una capacidad de análisis mayor, utilice IBM SPSS Statistics Base con otros módulos, como IBM SPSS Regression e IBM SPSS Advanced Statistics, que se centran en el análisis de datos (la información detallada comienza en las páginas 21 y 22).

Ventajas de negocio

• Apoyelatomadedecisionesconelanálisisdedatosparaobtenermejoresresultados.

• Confíemásensusresultadosincorporandodatosdemuchasfuentesdiferentesensuanálisisyutilizandotécnicasprobadaspararealizarsusanálisis.

• Ahorretiempoyesfuerzoconfuncionesquepermitenalosanalistasexperimentadosdesarrollarprocedimientosocuadrosdediálogoqueotraspersonaspuedenutilizarparaacelerarlastareasrepetitivas.

• Déasusresultadosunmayorimpactoutilizandolasfuncionesdevisualizaciónquemuestranclaramenteaotrasaotraspersonaselsignificadodesusconclusiones.


4

Creación de gráficos más fácilmente con sofisticadas funciones de elaboración de informes Cree gráficos utilizados normalmente, como SPLOM (matrices de diagramas de dispersión), histogramas y pirámides de población, más fácilmente con el generador de gráficos. Esta interfaz de creación de gráficos muy visual le permite crear un gráfico arrastrando variables y elementos a un lienzo de creación de gráficos. También puede utilizar un método abreviado basado en un gráfico existente en la galería. Verá una presentación preliminar limitada del gráfico mientras se esté generando. Los usuarios avanzados pueden emplear una gama más amplia de posibilidades de gráficos y opciones mediante el lenguaje de producción de gráficos (GPL).

Los que trabajen con gráficos de control de procesos estadísticos pueden solicitar la comprobación de reglas en los gráficos de control tanto primario como secundario, lo que proporciona una mayor precisión y un mejor conocimiento de si un proceso funciona con normalidad.

El sistema de gráficos de presentación de IBM SPSS Statistics Base le permite controlar las etapas de creación y edición, para liberar su carga de trabajo en un entorno de producción. Cree un gráfico una vez y, a continuación, utilice sus especificaciones para crear otros cien iguales que el primero.

Tomar mejores decisiones mediante la simulación Monte CarloLa capacidad de simulación de SPSS Statistics Base se ha diseñado para tener en cuenta la incertidumbre de las entradas en los modelos predictivos. En este enfoque, las entradas inciertas se modelan con distribuciones de probabilidad (como la distribución triangular) y se generan valores simulados de dichas entradas extrayéndolos de dichas distribuciones. A continuación, se utilizan los valores simulados en el modelo predictivo para generar un resultado. El proceso se repite muchas veces (generalmente miles o decenas de miles de veces), lo cual genera una distribución de resultados. La distribución de resultados se puede utilizar para responder preguntas de una naturaleza probabilística.

Creación de mapas de alta calidadVea los resultados de los análisis geográficamente con plantillas de mapas disponibles a través del Graphboard Template Chooser. Cree diferentes tipos de visualizaciones, tales como mapas coropléticos (mapas de colores), mapas con minigráficos y mapas superpuestos, para ayudarle a planificar, pronosticar y definir con mayor efectividad. IBM SPSS Statistics incluye varios archivos de mapas – o puede utilizar el programa de utilidad Map Conversion para convertir archivos de formas de mapas existentes con el fin de utilizarlos con el Graphboard Template Chooser.

Presentación de los mejores resultados con informes OLAP La tecnología OLAP transforma el modo en que crea y comparte información. El informe OLAP de IBM SPSS Statistics Base proporciona una forma rápida y flexible de crear, distribuir y manipular información para tomar decisiones instantáneas. Cree tablas, gráficos y cubos de informes que cuenten con una exclusiva y aclamada tecnología de pivotado y descubrirá nuevos aspectos de sus datos. Intercambie filas, columnas y capas de cubos de informes (o cambie información y estadísticos rápidamente en gráficos) para alcanzar nuevos niveles de conocimiento. Puede incluso convertir una tabla en un gráfico pulsando con el ratón un par de veces.

Constructor de cuadros de diálogo personalizados El generador de cuadros de diálogo personalizados permite que los usuarios con más experiencia faciliten los cuadros de diálogo existentes para los usuarios comerciales y que creen cuadros de diálogo para funciones personalizadas creadas mediante la programación. El generador de cuadros de diálogo personalizados permite que los usuarios con menos experiencia aprendan rápidamente cómo realizar operaciones rutinarias de manera eficaz y ofrece a los programadores un modo de distribuir su trabajo de manera eficaz.


5

Mayor valor gracias a la colaboración Para compartir y reutilizar activos de forma eficaz, protegerlos de forma que cumplan los requisitos normativos internos y externos y publicar los resultados de manera que un número mayor de usuarios empresariales pueda verlos e interactuar con ellos, plantéese aumentar el software IBM SPSS Statistics con IBM SPSS Collaboration and Deployment Service.

Puede encontrar más información sobre estas valiosas funciones en ibm.com/software/products/es/es/spss-collaboration/

Funciones

Operaciones generales• Conmutar el idioma de la interfaz de usuario (por ejemplo,

pasar del Inglés al Japonés)• Aplicar divisores mediante el editor de datos para comprender

más rápida y fácilmente los conjuntos de datos anchos y largos• Seleccionar la función de barra de herramientas

personalizable – Asignar procedimientos, procesos u otros productos

de software – Seleccionar iconos estándar de barra de herramientas

o crear los suyos propios• Trabajar con tablas de pivote multidimensionales / cubos

de informes – Reordenar columnas, filas y capas arrastrando los iconos

para un análisis ad hoc más sencillo – Alternar entre capas pulsando en un icono para que la

comparación entre subgrupos sea más sencilla – Habilitar la ayuda estadística en línea para la elección

de procedimientos estadísticos o tipos de gráficos y la interpretación de resultados; se incluyen ejemplos de aplicaciones realistas

• Cambiar atributos de texto, como fuentes, colores, negritas, cursivas, etc.

• Cambiar atributos de tabla tales como los formatos de número, estilos de línea, ancho de líneas, alineaciones de columna, sombreado del fondo/ páginas, activación o desactivación de líneas, etc.

• Visualizar u ocultar selectivamente filas, columnas o etiquetas para resaltar conclusiones importantes

• Permitir la ayuda orientada a tarea con instrucciones paso a paso – Ver referencias de clientes que le muestren cómo se

utilizan determinadas estadísticas y se interpretan los resultados

– Seleccionar Statistics Coach™, que le ayuda a elegir el mejor procedimiento o gráfico estadístico

– Trabajar mediante tutoriales – Seleccionar los botones “Demostración”, que llevan al

tutorial para obtener ayuda más detallada cuando la necesite

– Utilizar la ayuda “¿Qué es esto?”, que proporciona definiciones emergentes de términos estadísticos y reglas generales

• Utilizar funciones de formato en resultados – Transformar una tabla en un gráfico para lograr una

comunicación visualmente más convincente – Mostrar los coeficientes de correlación junto con su

nivel de significatividad (así como n) en correlaciones que utilizan la visualización de resultados predeterminada

– Controlar si, tras la activación, una tabla se abre en su lugar o en su propia ventana

– Marcar la fecha y hora en el archivo diario para una referencia sencilla

– Pulsar con el botón derecho en un icono de archivo de sintaxis de IBM SPSS Statistics para ejecutar un archivo de comandos sin necesidad de pasar por el modo de producción

– Utilizar listas desplegables para acceder más fácilmente a las diferentes capas

– Establecer configuraciones de página permanentes – Establecer un ancho de columna para todas las tablas

pivote y definir la ruptura de texto – Decidir si desea utilizar la notación científica para

mostrar números pequeños – Controlar el número de dígitos de la precisión en

presentaciones – Añadir notas al pie y anotaciones – Reordenar categorías de una tabla para mostrar los

resultados de forma más eficaz – Agrupar o desagrupar varias categorías en filas o

columnas bajo un único encabezado que amplía las filas o columnas

http://ibm.com/software/products/es/es/spss-collaboration/


6

– Utilizar uno de los 16 TableLooks™ preformateados para formatear los resultados rápida y sistemáticamente

– Crear y guardar formatos personalizados como TableLooks para su propio estilo personalizado

– Mostrar valores o etiquetas – Rotar etiquetas de tabla – Interactuar con informes y utilizar modelos y código

creado por otras personas de su organización con la adición opcional de IBM SPSS Collaboration and Deployment Services

• Trabajar con el visor para organizar y visualizar resultados y desplazarse por ellos

– Mantener un registro de su trabajo utilizando el valor de adición predeterminado de archivos diarios

– Utilizar la representación de los titulares para determinar rápidamente la ubicación de los resultados

– Seleccionar un icono en los titulares y ver los resultados correspondientes en el panel de contenido

– Reordenar gráficos, tablas y otros objetos arrastrando iconos en los titulares

– Contraer o expandir los titulares de forma selectiva para visualizar o imprimir los resultados seleccionados

– Incluir tablas, gráficos y objetos en un único panel de contenido para una fácil revisión y acceso

– Justificar a la derecha, justificar a la izquierda o centrar los resultados

– Buscar y sustituir información del visor del panel de contenido, el panel de titulares o ambos

• Crear y guardar especificaciones de análisis para tareas repetitivas o procesos desatendidos

• Utilizar la función mejorada de modo de producción con la interfaz de cuadros de diálogo y las macros para facilitar la elaboración de informes periódicos

• Tener todo el control sobre la división de tablas con mejoras en la paginación y la impresión

• Hacer referencia a explicaciones de términos estadísticos mediante el glosario estadístico en pantalla

• Trabajar con datos más fácilmente – Cuadros de diálogo de tamaño ajustable – Función de arrastrar y soltar en cuadros de diálogo

• Exportar resultados a Microsoft® Word – Convertir tablas pivote en tablas de Word con todo el

formato guardado – Convertir gráficos en imágenes estáticas – Integrar y reducir tablas anchas – Sintaxis para automatizar la producción de informes

• Exportar resultados a Microsoft PowerPoint (sólo Windows) – Convertir tablas pivote en tablas de PowerPoint con

todo el formato guardado – Convertir gráficos en imágenes estáticas – Integrar y reducir tablas anchas – Sintaxis para automatizar la producción de informes – Modificar una hoja de cálculo existente añadiendo filas

o columnas• Exportar resultados a Microsoft Excel

– Exportar sólo la vista actual o todas las capas de una tabla pivote de IBM SPSS Statistics

– Colocar cada capa de tabla pivote en la misma hoja o en hojas separadas dentro de un archivo de Excel

– Sintaxis para automatizar la producción de informes – Crear una nueva hoja de cálculo dentro de un libro

existente – Modificar una hoja de cálculo existente añadiendo filas

o columnas• Exporte resultados a PDF

– Decidir optimizar el PDF para su visualización web – Controlar si los marcadores generados por PDF se

corresponden con las entradas de titulares del visor en el visor de resultados. Los marcadores facilitan la navegación por documentos grandes.

– Controlar si las fuentes están incrustadas en el documento. Las fuentes incrustadas garantizan que el lector de su documento vea el texto con su fuente original, evitando una sustitución de la fuente.

– Sintaxis para automatizar la producción de informes• Abrir/guardar y crear fácilmente nuevos archivos de

resultados mediante la sintaxis• Recibir compatibilidad de la rueda del ratón con el

desplazamiento del visor de resultados• Cambiar los idiomas de los resultados (por ejemplo, cambiar

del japonés al inglés)


7

• Utilizar la función de procesamiento – Crear, editar y guardar procesos – Crear interfaces de formularios personalizados – Asignar procesos a iconos o menús de la barra de

herramientas – Ejecutar procesos automáticamente cuando se produzcan

ciertos eventos – Admitir Python 2.6 para que el procesamiento sea más

sencillo y fiable• Utilizar la automatización

– Integrar IBM SPSS Statistics con otras aplicaciones de sobremesa

– Crear aplicaciones personalizadas mediante Visual Basic, PowerBuilder y C++

– Integrar IBM SPSS Statistics en aplicaciones personalizadas de mayor tamaño (como Word o Excel)

• Utilizar el comando HOST para aprovechar las funciones del sistema operativo en IBM SPSS Statistics. Este comando permite que las aplicaciones “escapen” al sistema operativo y ejecuten otros programas en sincronización con la sesión de IBM SPSS Statistics.

• Evitar que los trabajos de sintaxis se rompan al crear un directorio de proyectos común o principal que le permita incluir transformaciones para varios proyectos

– Gestionar mejor varios proyectos, archivos de sintaxis y conjuntos de datos

• Especificar reglas de sintaxis interactivas mediante el comando INSERT

• Editor de sintaxis de comandos para una creación sencilla de sintaxis con nuevas funciones como:

– Autocumplimentación – Codificación de colores de sintaxis – Codificación de errores de sintaxis – Sección para mostrar números de línea y punto de

interrupción – Método por pasos de trabajos de sintaxis – Autosangría: botón que sangra automáticamente los

contenidos de los comandos – Botones reducir y aumentar sangría – Activar/desactivar comentarios – Capacidad de dividir la ventana del editor de sintaxis – Mejora del desplazamiento

• Generador de cuadros de diálogo personalizados para crear interfaces definidas por el usuario para procedimientos existentes y definidos por el usuario

• IBM SPSS Smartreader para compartir los resultados de IBM SPSS Statistics con aquellas personas que no tienen IBM SPSS Statistics

Capacidades gráficas• Mapas

– Mapas coropléticos (mapas de colores) – Mapas con minigráficos – Mapas superpuestos – Compatible con archivos de formas ESRI

• Gráficos categóricos – De barras en 3D: simples, agrupadas y apiladas – De barras: simples, agrupadas, apiladas, de sombra

vertical y en 3D – De líneas: simples, múltiples y de líneas verticales – De áreas: simples y apilados – De sectores: simples, desgajados y con efectos en 3D – De máximo-mínimo: de máximo-mínimo-cierre, de

áreas de diferencias y de barras de rango – De diagramas de caja: simples y agrupados – De barra de error: simples y agrupados – De barras de error: adición de barras de error a gráficos

de barras, de líneas y de áreas; nivel de confianza; desviación típica; y error estándar

– De doble eje Y y superposición• Diagramas de dispersión

– Simples, agrupados, matriz de diagramas de dispersión y en 3D

– De líneas de ajuste: de regresión lineal, cuadrática o cúbica y suavizamiento MinSCE; control de intervalos de confianza para el total o subgrupos; y mostrar trazos de unión a la línea

– Agrupar puntos por color o tamaño de marcador para solaparlos

• Gráficos de densidad – Pirámides de población: eje reflejado para comparar

distribuciones; con o sin curva normal – Gráficos de puntos: los puntos apilados muestran la

distribución; simétricos, apilados y lineales – Histogramas: con o sin curva normal; opciones de

intervalos personalizados• Gráficos de control de calidad

– De Pareto – X-barra – De rango – Sigma – De individuos – De rango móvil


8

– Las mejoras de los gráficos de control incluyen el marcado automático de puntos que incumplan las reglas de Shewhart, la capacidad de desactivar reglas y la capacidad de suprimir gráficos

• Comprobación de reglas en gráficos SPC secundarios• Gráficos diagnósticos y exploratorios

– Diagramas de casos y diagramas de series temporales – Diagramas de probabilidad – Diagramas de la función de autocorrelación y la función

de autocorrelación parcial – Diagramas de la función de correlaciones cruzadas – Características operativas del receptor (COR)

• Gráficos de uso múltiple – Gráficos de líneas en 2D (ambos ejes pueden ser ejes

de escala) – Gráficos para conjuntos de respuesta múltiple

• Gráficos personalizados – El lenguaje de producción de gráficos (GPL), un lenguaje

de creación de gráficos personalizado, permite que los usuarios avanzados obtengan una gama más amplia de posibilidades de gráficos y opciones que la que admite la interfaz

• La integración de tablero permite acceder a las plantillas de gráfico creadas en IBM SPSS Visualization Designer mediante IBM SPSS Statistics Base

• Edición de opciones – Reordenar categorías automáticamente en un orden

diferente (descendente o ascendente) o por diferentes métodos de ordenación (valor, etiqueta o estadístico de resumen)

– Crear etiquetas de valor de datos – Arrastrar a cualquier posición de su gráfico, añadir

líneas de conexión y vincular un color de fuente con un subgrupo

– Seleccionar y editar elementos específicos directamente en un gráfico: colores, texto y estilos

– Seleccionar en una amplia gama de estilos de línea y ponderaciones Visualizar cuadrículas, líneas de referencia, leyendas, títulos, notas al pie y anotaciones

– Incluir una línea de referencia Y=X

• Opciones de diseño – Gráficos panelados: crear una tabla de subgráficos, un

panel por nivel o condición, que muestre varias filas y columnas

– Efectos en 3D: rotar, modificar la profundidad y mostrar planos posteriores

• Plantillas de gráficos – Guardar características seleccionadas de un gráfico y

aplicarlas en otros automáticamente. Puede aplicar los siguientes atributos en el momento de la creación o la edición: diseño, títulos, notas al pie y anotaciones, estilos de los elementos gráficos, estilos de los elementos de datos, rango de escala de eje, configuración de escala de eje, líneas de ajuste y de referencia y agrupación de puntos de diagrama de dispersión

– Diseño de vista de árbol y mayor control de paquetes de plantillas

• Exportación de gráfico: BMP, EMF, EPS, JPG, PCT, PNG, TIF y WMF

• Función de conversión de iGRAPH para abrir archivos de IBM SPSS Statistics 15 y anterior

AnálisisEstadísticos descriptivosInformes• Los cubos OLAP le permiten:

– Estimar rápidamente los cambios en la media o suma entre dos variables relacionadas mediante un cambio de porcentaje. Por ejemplo, ver fácilmente cómo aumentan las ventas de un trimestre a otro.

– Crear resúmenes de casos – Crear resúmenes de informes – Generar informes con calidad de presentación mediante

numerosas opciones de formato – Generar informes de listado de casos y de resumen de

casos con estadísticos en grupos de interrupciónLibro de códigos• Controlar la información de variables incluida en los resultados:

posición, etiqueta, tipo, formato, nivel de medición, etiquetas de valor, valores perdidos, atributos personalizados, atributos reservados


9

• Controlar el orden de la información de archivos de los resultados: nombre, ubicación, número de casos, etiqueta de archivo, atributos personalizados definidos por el usuario, texto de documento de archivo de datos, estado de ponderación, atributos de archivo de datos reservado

• Controlar estadísticos de resumen: número de casos en cada categoría, porcentaje de casos en cada categoría, media, desviación típica, cuartil

• Controlar el orden de visualización: orden de archivos, orden alfabético por nombre de variable, orden en el que se enumeran las variables y los conjuntos de respuesta múltiple en el comando, nivel de medición, nombre y valor de atributos personalizados definidos por el usuario

Frecuencias • Tablas de frecuencias: recuentos de frecuencias, porcentaje,

porcentaje válido y porcentaje acumulado • Opción para ordenar sus resultados por análisis o por tabla • Tablas de resultados más compactas al eliminar las líneas de

texto adicionales cuando no son necesarias • Tendencia central: media, mediana, modo y suma • Dispersión: máximo, mínimo, rango, desviación típica, error

estándar y varianza • Distribución: curtosis, error típico de la curtosis, asimetría y

error típico de la asimetría • Valores de percentiles: percentiles (basados en datos reales o

agrupados), cuartiles y grupos iguales • Visualización de formato: condensado o estándar, ordenado

por frecuencia o valores o índice de tablas • Gráficos: gráfico de barras, histograma o gráfico de sectores

Descriptivos • Tendencia central: media y suma • Dispersión: máximo, mínimo, rango, desviación típica, error

estándar y varianza • Distribución: curtosis y asimetría • Puntuaciones z: calcularlas y guardarlas como nuevas variables • Orden de visualización: orden ascendente o descendente de

medias y nombres de variables

Explorar • Intervalos de confianza para la media • Descriptivos: amplitud intercuartil, curtosis, error típico de

la curtosis, mediana, media, máximo, mínimo, rango, asimetría, error típico de la asimetría, desviación típica, error estándar, varianza, media recortada al 5% y porcentajes

• Estimadores M: estimador en onda de Andrews, estimador• M de Hampel, estimador M de Huber y estimador biponderado

de Tukey • Valores extremos y valores extremos identificados • Tablas de frecuencias agrupadas: centro de intervalo, frecuencia,

porcentaje, porcentaje válido y porcentaje acumulado • Gráficos: crear diagramas con escala uniforme o

dependencia en valores de datos: – Diagramas de caja: variables dependientes y niveles de

factor en conjunto – Descriptivos: histogramas y diagramas de tallo y hojas – De normalidad: diagramas de probabilidad normal y

diagramas de probabilidad sin tendencia con estadísticos de Kolmogorov-Smirnov y de Shapiro-Wilk

– Diagramas de dispersión por nivel con la prueba de Levene: estimación de potencia, transformados o sin transformar

– La prueba de Shapiro-Wilk de normalidad en EXAMINE permite 5.000 casos cuando no se especifican ponderaciones

Tablas de contingencia • Las relaciones triples en datos categóricos con estadísticos

de Cochran y Mantel-Haenszel le permiten ir más allá de los límites de una tabla de contingencia doble

• Recuentos: Frecuencias observadas y esperadas • Porcentajes: columna, fila y total • Variables de cadena larga • Residuos: brutos, tipificados y tipificados corregidos • Marginales: Frecuencias observadas y porcentajes totales • Pruebas de independencia: chicuadrado de Pearson,

chi-cuadrado corregido de Yates, chi-cuadrado de cociente de verosimilitudes y prueba exacta de Fisher

• Prueba de asociación lineal: chicuadrado de Mantel-Haenszel • Medida de la asociación lineal: r de Pearson


10

• Medidas de datos nominales: coeficiente de contingencia, V de Cramer, phi, lambda de Goodman y Kruskal (asimétrica y simétrica), tau (dependiente de columna o fila) y coeficiente de incertidumbre (asimétrico y simétrico)

• Medidas de datos ordinales: gamma de Goodman y Kruskal, tau-b y tau-c de Kendall, D de Somers (asimétrica y simétrica) y rho de Spearman

• Medidas nominal por intervalo: eta • Medida de acuerdo: kappa de Cohen • Estimaciones del riesgo relativo para el control de casos y

estudios de cohorte • Visualizar tablas en orden ascendente • Recuentos de frecuencias escritos en archivo • Prueba de McNemar • Opción de utilizar ponderaciones enteras o no enteras

Estadísticos de la razón descriptivos • Ayuda para comprender sus datos

– Coeficiente de dispersión – El coeficiente de variación – Diferencial relativo al precio (DRP) – Desviación absoluta promedio

Comparar medias Medias • Crear modelos mejores con medias armónicas y geométricas • Casillas: recuento, media, desviación típica, suma y varianza • Totales de todos los métodos • Medida de análisis con Eta y Eta2

• Contraste de linealidad con R y R2

• Resultados mostrados en formato de informe, tabla de contingencia o árbol

• Estadísticos calculados para la prueba t para muestras totales• Una muestra t para una muestra para comparar la media de

la muestra con una media de referencia que elija • Estadísticos de muestras independientes: comparar las medias

de muestras de dos grupos para estimaciones combinadas y separadas de la varianza con la prueba de Levene para varianzas iguales

• Estadísticos de muestras relacionadas: correlación entre pares, diferencia entre medias y probabilidad bilateral para prueba de ausencia de diferencia y prueba de correlación nula entre los pares

• Estadísticos: intervalos de confianza, recuentos, grados de libertad, media, probabilidad bilateral, desviación estándar y estadístico t statistic

ANOVA de un factor • Contrastes: lineal, cuadrático, cúbico, de orden superior y

definido por el usuario • Pruebas de rango: Duncan, DMS, Bonferroni, Student-

Newman-, Scheffé, prueba alternativa de Tukey y HSD de Tukey Pruebas post hoc: Student-Newman-Keuls, HSD de Tukey, Tukey- b, , procedimiento de comparación múltiple de Duncan basado en la prueba de rango estudentizado, prueba t de comparación múltiple de Scheffé, prueba t bilateral de Dunnet, prueba t unilateral de Dunnet, prueba t de Bonferroni, prueba t de diferencia menos significativa, prueba t de Sidak, GT2 de Hochberg, prueba de comparaciones por parejas de Gabriel basada en la prueba de módulo máximo estudentizado, procedimiento múltiple por pasos de Ryan-Einot-Gabriel-Welsch basado en una prueba F, procedimiento múltiple por pasos de – Einot-Gabriel-Welsch basado en la prueba de rango estudentizado, T2 de Tamhane, T3de Tamhane, prueba de comparación por parejas de Games y Howell basada en la prueba de rango estudentizado, C de Dunnett y prueba t de Waller-Duncan

• Estadísticos ANOVA: sumas de cuadrados inter e intragrupos, grados de libertad, medias cuadráticas, razón F y probabilidad de F

• Medidas de efectos fijos: desviación típica, error estándar e intervalos de confianza al 95%

• Medidas de efectos aleatorios: estimación de componentes de la varianza, error estándar e intervalos de confianza al 95%

• Estadísticos descriptivos de grupo: máximo, media, mínimo, número de casos, desviación típica, error estándar e intervalo de confianza al 95%

• Homogeneidad de prueba de varianza: prueba de Levene • Materiales de matriz de lectura y escritura • Igualdad de medias: alcanzar resultados precisos cuando las

varianzas y los tamaños de muestras varíen en los diferentes grupos

– Prueba de Brown-Forsythe – Prueba de Welch

Modelos ANOVA: factoriales sencillos


11

• Crear modelos personalizados sin límites en el orden máximo de interacción

• Trabajar más rápido ya que no tiene que especificar rangos de niveles de factor

• Seleccionar el modelo correcto mediante cuatro tipos de suma de cuadrados

• Incrementar la certidumbre con una mejor gestión de los datos en casillas vacías

• Realizar pruebas de falta de ajuste para seleccionar su mejor modelo

• Seleccionar uno de los dos diseños siguientes: equilibrado o no equilibrado

• Utilizar el análisis de covarianza con un máximo de 10 métodos de covariables: clásico, experimental, jerárquico y de regresión

• Introducir control de covariables: antes, después o con efectos principales

• Establecer interacción como: ninguna o de 2, 3, 4 ó 5 factores• Seleccionar uno de los siguientes estadísticos: ANOVA, tabla

de medias y recuentos, análisis de clasificación múltiple, coeficientes de regresión no tipificados y medias de casillas de n factores

• Seleccionar un máximo de 10 variables independientes • Alcanzar valores y desviaciones pronosticados a partir de la

media de la tabla de análisis de clasificación múltiple

Correlacionar†

Bivariada • r de Pearson, tau-b de Kendall y Spearman • Probabilidades unilaterales y bilaterales • Medias, número de casos no perdidos y desviaciones típicas • Desviaciones y covarianzas de productos cruzados • Coeficientes mostrados en formato de matriz o de serie

Parcial†

• Probabilidades unilaterales y bilaterales • Media, número de casos no perdidos y desviación típica • Correlaciones de orden cero • Hasta 100 variables de control • Un máximo de cinco valores de orden • Correlaciones mostradas en formato de matriz o de cadena

de serie, matriz triangular inferior o matriz de correlaciones rectangulares

Distancias • Calcular proximidades entre casos o variables • Medidas de disimilaridad

– Medida de intervalo: distancia euclídea y distancia euclídea al cuadrado, medida de distancia de Chebychev, distancia de bloques de ciudad o distancia de Manhattan, distancia en una métrica absoluta de potencia de Minkowski y personalizada

– Medidas de recuentos: chicuadrado y phi-cuadrado – Medidas binarias: distancia euclídea y distancia euclídea

al cuadrado; diferencia de tamaño, patrón y forma; medida de disimilaridad de varianza; y no métrica de Lance y Williams

• Medidas de similitud – Medidas de intervalo: correlación de Pearson y coseno – Medidas binarias: Russell y Rao; concordancia simple;

Jaccard; Dice (o Czekanowski o Sorensen); Rogers y Tanimoto; Sokal y Sneath del 1 al 5; Kulczynski 1 y 2; Hamann; lambda de Goodman y Kruskal; D de Anderberg; coeficiente de coligación de Yule; Q de Yule; Ochiai; medida de similaridad de dispersión; y correlación de cuatro puntos

• Estandarice valores de datos: puntuaciones Z, rango de -1 a 1, rango de 0 a 1, magnitud máxima de 1, media de 1 y desviación típica de 1

• Transformar medidas: valores absolutos, disimilaridades en similaridades, similaridades en disimilaridades y cambiar la escala de los valores de proximidad a un rango de 0 a 1

• Especificación de variable de identificación • Matriz impresa de proximidades entre elementos • Escalabilidad mejorada para proximidades entre matrices de

variable

Modelado lineal automático (ALM) Automatiza la predicción de los resultados numéricos • Preparación automatizada de datos para mejorar el poder

predictivo • Potenciación para mejorar la precisión • Empaquetado para mejorar la estabilidad • Resultado visual interactivo

† Algoritmo con subproceso múltiple, cuyo resultado es una mejora del rendimiento y la escalabilidad en equipos con multiprocesador o núcleo múltiple.


12

• Algoritmos de selección de variables como mejores subconjuntos y pasos hacia adelante

• Rendimiento mejorado al crear modelos en conjuntos de datos muy grandes. Las lecturas de datos se reducen creando modelos en los subconjuntos de los datos que después se combinan (sólo IBM SPSS Statistics Server)

Regresión: regresión lineal†

• Métodos: eliminación hacia atrás, entrada forzada, eliminación forzada, entrada hacia adelante, selección por pasos hacia adelante y cambio/prueba en R2 de significación

• Estadísticos de ecuación: criterio de información de Akaike (AIC), criterio de pronóstico de Ameniya, tablas ANOVA (F, media cuadrática, probabilidad de F, regresión y suma de cuadrados residual), cambio en R2, F en paso, Cp de Mallow, R múltiple, probabilidad de F, R2, R2 ajustado, criterio bayesiano de Schwarz (SBC), error estándar de estimación, matriz de barrido y matriz de varianza-covarianza

• Estadísticos descriptivos: matriz de correlación, matriz de covarianza, desviaciones de productos cruzados de la media, medias, número de casos utilizado para calcular los coeficientes de correlación, probabilidades unilaterales de coeficientes de correlación, desviaciones típicas y varianzas

• Estadísticos de variables independientes: coeficientes de regresión, incluidos B, errores estándar de coeficientes, coeficientes de regresión tipificados, error estándar aproximado de coeficientes de regresión tipificados y t; tolerancias; orden cero; parte y correlaciones parciales; e intervalo de confianza al 95% para coeficiente de regresión no tipificado

• Variables no incluidas en la ecuación: beta o tolerancia mínima • Durbin-Watson • Diagnóstico de colinealidad: índices de condición, autovalores,

factores de inflación de la varianza, proporciones de varianza y tolerancias

• Gráficos: por casos, histograma, de probabilidad normal, normales sin tendencia, parciales, de valores atípicos y diagramas de dispersión

• Crear y guardar variables – Intervalos de predicción: media e individual – Valores pronosticados: no tipificados, tipificados, ajustados

y error estándar de media – Distancias: distancias de Cook, distancia de Mahalanobis

y valores de influencia – Residuos: no tipificados, tipificados, estudentizados,

eliminados y eliminados estudentizados – Estadísticos de influencia: DfBetas, DfBetas

estandarizadas, DfAjustes, DfAjustes estandarizados y razones entre covarianzas

• Controles de opciones: F para entrar, F para salir, probabilidad de F para entrar, probabilidad de F para salir, suprimir la constante, ponderaciones de regresión para el modelo de mínimos cuadrados ponderados, intervalos de confianza, número máximo de pasos, sustituir los valores perdidos con la media de la variable y tolerancia

• Coeficientes de regresión visualizados en el orden definido por el usuario

• Los archivos de sistema pueden incluir estimaciones de parámetros y sus matrices de covarianza y correlación mediante el comando OUTFILE

• Las soluciones pueden aplicarse a nuevos casos o utilizarse en análisis posteriores

• La toma de decisiones puede mejorarse aun más en toda su organización cuando exporte sus modelos mediante XML

Regresión ordinal: PLUM†

• Predecir resultados ordinales – Siete opciones para controlar el algoritmo iterativo

utilizado para la estimación, para especificar la tolerancia numérica para comprobar la singularidad y para personalizar los resultados

– Cinco funciones de enlace para especificar el modelo: Cauchit, log-log complementario, logit, log-log negativo y probit

– Subcomando de ubicación para especificar el modelo de ubicación: intersección, efectos principales, interacciones, efectos anidados, efectos anidados con varios niveles, anidación con una interacción, interacciones entre los efectos anidados y covariables



13

– Imprimir: información de casilla, matriz de correlación asintótica de estimaciones de parámetros, estadísticos con adecuación, historial de iteraciones, kernel de la función de logverosimilitud, prueba de supuesto de líneas paralelas, estadísticos de parámetros y resumen de modelos

– Guardar estadísticos posteriores a la estimación por casos en el archivo activo: probabilidades esperadas de clasificación de patrones de factor/covariable en categorías de respuesta y categorías de respuesta con la máxima probabilidad esperada para patrones de factor/covariable

– Personalizar sus pruebas de hipótesis especificando directamente hipótesis nulas como combinaciones lineales de parámetros mediante el subcomando TEST (sólo sintaxis)

¡Novedad! Modelado de simulación – Simulación Monte Carlo – Distribuciones soportadas: binomial, binomial negativa,

categórica (multinomial n=1), Lognormal, Normal, Poisson, triangular, uniforme, Weibull (3 parámetros), empírica (solamente aplicable cuando existen datos históricos), rangos especificados por el usuario, Gamma, Beta, exponencial

– Para los predictores continuos, el usuario puede ver estadísticas de ajuste tanto Kolmogorov-Smirnoff como Anderson-Darling. Para los predictores categóricos, el usuario puede ver el estadístico de ajuste chi-cuadrado

Estimación de curvas• Hay once tipos de curvas disponibles para su especificación• Visualizaciones de resumen de regresión: tipo de curva,

coeficiente de R2, grados de libertad, prueba F general y nivel de significancia y coeficientes de regresión

• Modelos de regresión-tendencia disponibles: lineales, logarítmicos, inversos, cuadráticos, cúbicos, compuestos, de potencia, S, de crecimiento, exponenciales y logísticos

Pruebas no paramétricas Las pruebas indicadas a continuación se han mejorado para permitir varias comparaciones y trabajar en conjuntos de datos de gran tamaño con mayor eficacia.

• Chi-cuadrado: especifique el rango esperado (a partir de datos o especificado por el usuario) y las frecuencias (todas las categorías iguales o especificadas por el usuario)

• Binomial: definir la dicotomía (a partir de datos o punto de corte) y especificar la proporción de prueba

• Rachas: especificar los puntos de corte (mediana, modo, media o especificado)

• Una muestra: Kolmogorov-Smirnov, uniforme, normal y Poisson

• Dos muestras independientes: U de Mann-Whitney, Z de Kolmogorov-Smirnov, reacciones extremas de Moses y rachas de Wald-Wolfowitz

• Muestras independientes k: H de Kruskal-Wallis y mediana • Dos muestras relacionadas: Wilcoxon, signo y McNemar • Muestras relacionadas k: Friedman, W de Kendall y Q de

Cochran • Descriptivos: máximo, media, mínimo, número de casos y

desviación típica

Respuesta múltiple • Tablas de contingencia: recuentos de casillas, porcentajes de

casillas basados en casos o respuestas, columna y fila y porcentajes de tabla de dos factores

• Tablas de frecuencias: recuentos, porcentaje de casos o respuestas

• Se pueden gestionar grupos de dicotomías múltiples y de respuesta múltiple

Reducción de datos Factor†

• Se puede mostrar el número de casos y etiquetas de variable para el análisis

• Entrada de matriz de correlación, factor, matriz de carga, matriz de covarianza o archivo de caso de datos sin procesar

• Resultados de la matriz de correlación



14

• Siete métodos de extracción disponibles para su uso cuando el análisis se realice en matrices de correlación o archivos de datos sin procesar

– Componente principal, eje principal, factorización alfa, factorización de imagen, máxima verosimilitud, mínimos cuadrados no ponderados y mínimos cuadrados generalizados

• Métodos de rotación: varimax, equamax, quartimax, promax y oblimin

• Visualización: comunalidades iniciales y finales, autovalores, varianza de porcentaje, saturaciones factoriales sin rotar, matriz de configuración factorial rotada, matriz de transformación rotada, estructura factorial y matriz de correlación (sólo rotaciones oblicuas)

• Las matrices de covarianza pueden analizarse utilizando tres métodos de extracción: componente principal, eje principal e imagen

• Puntuaciones factoriales: regresión, Bartlett y Anderson-Rubin • Puntuaciones factoriales guardadas como variables activas • Estadísticos disponibles: matriz de correlación univariada,

determinante e inversa de la matriz de correlación, matrices de correlación anti-imagen y de covarianza, medida de Kaiser-Meyer-Olkin de la adecuación muestral, prueba de esfericidad de Bartlett, matriz de configuración factorial, comunalidades revisadas, autovalores y varianza de porcentaje por autovalor, correlaciones reproducidas y residuales y matriz de coeficientes de las puntuaciones factoriales

• Gráficos: diagrama de sedimentación y diagrama de variables en espacio factorial

• Entrada y salida de matriz • Post-rotacional calculado mediante las saturaciones de la suma

de cuadrados • Soluciones aplicadas a nuevos casos o para utilizarlas en análisis

posteriores con el subcomando SELECT • Matriz de coeficientes de las puntuaciones factoriales

exportada para puntuar nuevos datos (sólo sintaxis)

Clasificar Análisis de conglomerados en dos fases • Observaciones de grupo en conglomerados basadas en un

criterio de proximidad. Este procedimiento utiliza un procedimiento de aglomeración jerárquica acumulativa en el que los casos individuales se combinan sucesivamente para formar conglomerados cuyos centros están alejados los unos de los otros. Este algoritmo está diseñado para agrupar

un elevado número de casos. Pasa los datos una vez para buscar los centros de los conglomerados y de nuevo para asignar la pertenencia a los conglomerados. Las observaciones de los conglomerados se realizan creando una estructura de datos denominada árbol CF, que contiene los centros de los conglomerados. El árbol CF crece durante la primera etapa de agrupación y se añaden valores a sus hojas si están cerca del centro del conglomerado de una hoja específica.

– Se pueden utilizar datos de nivel categórico y continuo – Medidas de distancia: distancia euclídea y la distancia

de verosimilitud – El comando de criterios ajusta el algoritmo

˚ Pueda especificarse el umbral inicial para que un árbol CF crezca

˚ Pueda especificarse el número máximo de nodos filiales que puede tener un nodo de hoja

˚ Pueda especificarse el número máximo de niveles que puede tener un árbol CF

– El subcomando HANDLENOISE le permite tratar los valores atípicos de forma especial durante el proceso de conglomerado. El valor predeterminado del porcentaje de ruido es cero, equivalente a la ausencia de gestión de ruido. El valor puede encontrarse entre cero y 100.

– El subcomando INFILE permite que el algoritmo actualice un modelo de conglomerado en el que un árbol CF se guarda como archivo XML mediante el subcomando OUTFILE.

– El subcomando MEMALLOCATE especifica la cantidad máxima de memoria en megabytes (MB) que debería utilizar el algoritmo de conglomerado

– Datos perdidos: excluya los valores perdidos que falten en el usuario y en el sistema o permita que los valores que falten en el usuario se traten como válidos

– Opción para estandarizar variables de nivel continuo o dejarlas en la escala original

– Capacidad de especificar el número de conglomerados, especificar el número máximo de conglomerados o dejar que el número de conglomerados se elija automáticamente

˚ Algoritmos disponibles para determinar el número de conglomerados: BIC o AIC


15

– Resultados escritos en un nombre de archivo especificado como XML

– Resultados finales de modelo guardados o utilice una opción que actualice el modelo posteriormente con más datos

– Gráficos ˚ Gráfico de barras de frecuencias para cada

conglomerado ˚ Gráfico de sectores que muestra porcentajes de

observación y recuentos dentro de cada conglomerado

˚ Importancia de cada variable dentro de cada conglomerado: el resultado se ordena por el rango de importancia de cada variable

– Opciones de gráfico ˚ Comparaciones (un diagrama por conglomerado

o un diagrama por variable) ˚ Medida de la importancia de la variable

(paramétrica o no paramétrica) ˚ Capacidad de especificar el nivel alfa cuando se

considere la importancia – Opciones de impresión

˚ AIC o BIC para diferentes números de conglomerados

˚ Dos tablas describen las variables de cada conglomerado. En una tabla, se han indicado medias y desviaciones típicas para variables continuas. La otra tabla indica las frecuencias de las variables categóricas. Todos los valores están separados por conglomerados.

˚ Lista de conglomerados y número de observaciones en cada conglomerado

– Número de conglomerado guardado para cada caso en el archivo de datos de trabajo

Conglomerado • Utilizar uno de los seis métodos de vinculación para determinar

conglomerados: vinculación individual (elemento afín), vinculación promedia entre grupos, centroide (vinculación promedia dentro de los grupos), vinculación completa (elemento más alejado), mediana y Ward

• Proporcionar el mismo conjunto de medidas de similaridades y disimilaridades que en proximidad

• Guardar las pertenencias a los conglomerados como nuevas variables

• Guardar las matrices de distancias para su uso en otros procedimientos

• Visualización: historial de conglomerado, pertenencia a conglomerado y matrices de distancia

• Utilizar las proximidades entre matrices de variable para mejorar la escalabilidad

• Seleccionar uno de los siguientes diagramas: diagramas de témpanos y dendogramas horizontales y verticales de soluciones de conglomerado

• Especificar identificadores de casos para tablas y diagramas • Tener la capacidad de aceptar entradas en la matriz y producir

salidas de la matriz

Conglomerado rápido • Distancia euclídea al cuadrado • Centros seleccionados por casos ampliamente espaciados,

primeros casos K o especificación directa • Pertenencia a conglomerado guardada como variable • Dos métodos proporcionados para actualizar centros de

conglomerados • Algoritmos de conglomerado de K-medias

Análisis de elemento afín • Se puede utilizar para realizar un pronóstico (resultado

especificado) o una clasificación (ningún resultado especificado) • Marcar casos de interés específico • Cambiar la escala de las covariables • Utilizar tres métodos para realizar una partición del conjunto

de datos activos en muestras de formación y reservadas: especificar el número relativo de casos en el conjunto de datos activo para asignarlos aleatoriamente a la muestra de formación; especificar el número relativo de casos en el conjunto de datos activo para asignarlos aleatoriamente a la muestra reservada; especificar una variable que asigne cada caso del conjunto de datos activo a la muestra de formación o reservada.

• Especificar el “modelo” de elemento afín – Especificar la medida de distancia utilizada para medir

la similaridad de casos – Si se utiliza la selección automática del número de

elementos afines – Si se utiliza la selección automática de funciones

(predictores)


16

• Especificar ajustes computacionales y de recursos para el procedimiento KNN

– Cómo debe la selección de funciones automática seleccionar el número de funciones

– La función utilizada para calcular el valor pronosticado de variables de respuesta de escala

– Si se ponderan las funciones por su importancia normalizada al calcular distancias

• Especificar ajustes para realizar una validación cruzada de pliegues en V para determinar el “mejor” número de elementos afines

• Controlar si los valores que faltan en el usuario para las variables categóricas se tratan como valores válidos

• Controlar las opciones para visualizar los resultados relacionados con el modelo, incluidas las tablas y los gráficos

• Escribir variables temporales opcionales en el conjunto de datos activo

• Guardar un archivo con formato XML que contenga el modelo de elemento afín. También guarda un archivo de datos con formato de IBM SPSS Statistics que contiene las distancias desde los casos focales.

Discriminante • Métodos de selección de variable: entrada directa, minimización

de la lambda de Wilks, distancia de Mahalanobis, razón F más pequeña, minimización de la suma de variaciones no explicadas de todos los pares y mayor aumento en la V de Rao

• Estadísticas – Resumen: autovalores, porcentaje y porcentaje acumulado

de varianza, correlaciones canónicas, lambda de Wilks y pruebas de chicuadrado

– En cada paso: lambda de Wilks, F equivalente, grados de libertad y significación de F de cada paso; F para salir; tolerancia; tolerancia mínima; F para entrar; y valor de estadístico de cada variable que no se encuentra en la ecuación

– Final: coeficientes de función discriminante canónica tipificada, matriz de estructuras de funciones discriminantes y funciones evaluadas dentro de medias de grupo

– Opcional: medias, desviaciones típicas, razones F univariantes, matrices de covarianza y correlación intra-grupos combinadas, matriz de razones F por parejas, prueba M de Box, matrices de covarianza de grupo y totales, funciones discriminantes canónicas no tipificadas, tabla de resultados de clasificación y coeficientes de función de clasificación

• Rotación de matrices de coeficiente (patrón) y de estructura • Resultados visualizados paso a paso y/o en formato de resumen • En etapa de clasificación: probabilidades previas, igual,

proporción de casos o especificado por el usuario. Todos los grupos, casos, mapas territoriales y grupos separados trazados

• Resultados por casos guardados en un archivo del sistema para un análisis posterior

• Archivos de matriz leídos/escritos, incluidos estadísticos adicionales: recuentos, medias, desviaciones típicas y coeficientes de correlación de Pearson

• Soluciones aplicadas a nuevos casos o para su uso en análisis posteriores

• Estimaciones jackknife proporcionadas para la tasa de errores clasificados erróneamente

• Una mayor mejora de la toma de decisiones exportando sus modelos en toda su organización mediante XML

Escalamiento • Reducir sus datos y mejorar la medición con fiabilidad • Buscar la estructura oculta en sus datos de similaridad

mediante el escalamiento multidimensional ALSCAL

Operaciones de matriz• Escriba sus propias rutinas estadísticas en el lenguaje

compacto del álgebra de matrices


17

Gestión de datos• Utilice la función de medición predeterminada para identificar

el tipo de datos de su conjunto de datos• Prepare datos de nivel continuo para su análisis con el

agrupador visual – Especificar puntos de corte de forma inteligente mediante

un histograma creado a través de una lectura de datos – Crear automáticamente etiquetas de valor basadas en

sus puntos de corte – Copiar intervalos a otras variables

• Crear sus propios programas personalizados con el sistema de gestión de resultados (OMS). Convertir resultados de procedimientos de IBM SPSS Statistics en datos (archivos de datos de IBM SPSS Statistics, XML o HTML) y crear sus programas para muestreo autodocimante, métodos de jackknife y dejando uno fuera y simulaciones de Monte Carlo

– Crear programas personalizados en SPSS Statistics, aunque tenga poca o ninguna experiencia con la sintaxis de SPSS Statistics, mediante el panel de control del sistema de gestión de resultados

• Limpiar sus datos fácilmente cuando identifique registros duplicados a través de la interfaz de usuario con la herramienta de identificación de casos duplicados

• ¡Novedad! Proteger los datos y su salida configurando una contraseña

• Hacer que sus archivos de datos tengan sentido y realizar un seguimiento de ellos añadiendo notas con el comando Comentarios del archivo de datos

• Evitar la destrucción accidental de datos haciendo que el conjunto de datos sea de sólo lectura

• Configurar fácilmente todas las etiquetas de valor para preparar sus datos para su análisis mediante la herramienta de definición de propiedades de variable

– Configurar información de diccionario de datos, incluidas etiquetas de valor y tipos de variable

– Añadir etiquetas de forma inteligente debido a que, al realizar primero una lectura de datos, IBM SPSS Statistics puede presentar una lista de valores y recuentos de dichos valores

– Ahorrar tiempo al poder introducir datos y etiquetas de valor directamente en la cuadrícula en lugar de tener que utilizar cuadros de diálogo anidados

• Guardar el trabajo copiando fácilmente información de diccionario de una variable a otra y de un conjunto de datos a otro mediante la herramienta Copiar propiedades de datos

– Copiar información de diccionario (como etiquetas de variable y valor) entre variables y conjuntos de datos mediante la función de plantilla

– Recibir un método rápido para duplicar diccionarios • Analizar más datos, de manera más eficaz; las consideraciones

sobre el tamaño de archivo prácticamente se han eliminado (especialmente cuando se utiliza junto con IBM SPSS Statistics Base Server opcional)

• Asignar atributos de variable parecidos a múltiples variables simultáneamente

• Seleccionar fácilmente filas y columnas para pegar información en otra parte

• Reordenar fácilmente sus variables • Ahorrar tiempo ordenando los datos directamente en el editor

de datos • Evitar cambiar el formato de los anchos de columna en cada

nueva sesión • Aumentar la velocidad creando opciones de teclado

personalizadas • Reestructurar archivos de datos que tengan varios casos por

asunto y reestructure los datos para colocar todos los datos de cada asunto en un único registro (reestructurar archivos de datos de un formato univariante a uno multivariante)

• Reestructurar archivos de datos que tengan un único caso por asunto y extienda los datos por varios casos (reestructure archivos de datos de un formato multivariante a uno univariante)

• Al guardar archivos de datos, conservar las variables mediante una interfaz gráfica intuitiva

• Identificar y seleccionar variables mediante el esquema de su propia organización igual que se ordena las variables según las etiquetas de variable en un cuadro de lista

• Visualizar etiquetas de variable en un cuadro de diálogo; utilizar hasta 256 caracteres

• Visualizar etiquetas de variable como información sobre herramientas en el editor de datos

• Guardar consultas SQL para un uso posterior • Crear consultas con solicitudes • Seleccionar datos más fácilmente mediante la cláusula “where” • Establecer un carácter o una combinación de caracteres como

delimitador entre los campos de un archivo de texto ASCII • Crear su propia información de diccionario para variables

utilizando atributos personalizados. Por ejemplo, puede crear un atributo personalizado que describa transformaciones para una variable derivada con información que explique cómo se ha transformado

* Sólo se admite en la plataforma Windows


18

• Personalizar la visualización de archivos extremadamente anchos con conjuntos de variables. Puede reducir instantáneamente las variables mostradas en las ventanas Vista de variables y Vista de datos a un subconjunto mientras se mantiene la totalidad del archivo cargado y disponible para su análisis.

• Escribir en archivos de datos de IBM SPSS Statistics desde otras aplicaciones, como Excel, mediante el controlador ODBC de IBM SPSS Statistics

• Utilizar un número prácticamente ilimitado de variables y casos • Especificar y trabajar con subconjuntos de variables • Introducir, editar y consultar datos con el formato de hoja

de cálculo del editor de datos • Trabajar fácilmente con fechas y horas mediante el asistente

de fecha y hora: – Crear una variable de fecha/hora a partir de una cadena

que contenga una variable de fecha/hora – Crear una variable de fecha/hora a partir de variables que

incluyan unidades de fecha individuales, como mes o año – Analizar unidades de fecha/hora individuales de variables

de fecha/hora – Cálculos con fechas y horas

˚ Redondear la información de fecha/hora en lugar de truncarla, si lo desea

˚ Añadir decimales a los datos de hora, si lo desea

• Visualizar valores o etiquetas de valor en casillas del editor de datos

• Al pulsar con el botón derecho del ratón, recibirá acceso directo a información de variables dentro de los cuadros de diálogo

• Cambiar el nombre y reordenar variables • Ordenar casos • Seleccionar uno de estos formatos de datos: numérico, de

coma, de punto, notación científica, de fecha, de dólar, de moneda personalizado y de cadena

• Establecer una opción para mostrar la moneda delimitada por comas o decimales

• Seleccionar los valores que falten en el sistema y hasta tres valores perdidos definidos por el usuario por cada variable

• Crear etiquetas de valor de hasta 120 caracteres (el doble que en las versiones anteriores a IBM SPSS Statistics 13)

• Crear etiquetas de variable de hasta 256 caracteres

• Introducir y eliminar variables y casos• Buscar valores de una variable seleccionada • Transponer archivos de trabajo • Duplicar conjuntos de datos • Aplicar un comando de propiedades de variable ampliado

para personalizar las propiedades de usuarios individuales • Agregar datos mediante un amplio conjunto de funciones

de resumen: – Guardar los valores agregados directamente en su

archivo activo – Agregar por cadena para las variables de fuente

(dentro de la interfaz) ˚ Permitir el uso de cadenas largas como variable

de segmentación (p. ej., si el género es la variable de segmentación, los hombres y las mujeres se agregarán por separado)

˚ Permitir el uso de cadenas como la variable agregada

• Dividir archivos para aplicar análisis y operaciones a subgrupos • Seleccionar casos permanente o temporalmente • Procesar los primeros n casos • Seleccionar muestras aleatorias de casos para su análisis • Seleccionar subconjuntos de casos para su análisis • Ponderar casos según los valores de una variable seleccionada • Especificar semillas de aleatoridad • Asignar rangos a los datos • Utilizar observaciones vecinas para el suavizado, el promedio

y la diferenciación de transformadas rápidas de Fourier y sus inversas

• Describir sus datos de forma más precisa utilizando nombres de variable más largos (hasta 64 bytes)

– Trabajar más fácilmente con datos de bases de datos y hojas de cálculo que incluyan nombres de variable más largos que los permitidos en versiones anteriores a SPSS Statistics 12

• Asegurarse de que los datos que contengan cadenas de texto más largas (hasta 32.767 bytes) no se trunquen o se pierdan al trabajar con respuestas abiertas, datos de otro software que permita cadenas de texto largas u otros tipos de cadenas de texto largo

• Buscar y sustituir información mediante el editor de datos • Ahorrar tiempo con la corrección ortográfica de etiquetas

de valor, etiquetas de variable y cadenas de texto • Inspeccionar fácilmente información de diccionario de datos

en la Vista de variables del editor de datos, ya que puede configurar (mostrar sólo ciertos atributos) y ordenar por nombre de variable, tipo, formato, etc.


19

• Navegar fácilmente por la Vista de datos en el editor de datos yendo directamente a una variable

• Añadir valores perdidos y etiquetas de valor para cadenas de cualquier longitud

• Cambiar la longitud de cadena y el tipo de variable mediante la sintaxis

Gestión de archivos • Utilizar Unicode al trabajar con datos multilingües, eliminando

así la variabilidad en los datos debido a la codificación específica de cada idioma. Guardar el archivo de datos como archivo Unicode o como archivo de página de códigos (para la compatibilidad con versiones anteriores de SPSS Statistics).

• Minimizar la gestión de datos con un acceso a los datos sin conversión y sin copias en las bases de datos SQL. Ahorrar tiempo al no tener que convertir datos al formato de SPSS Statistics (especialmente cuando se utilizan junto con SPSS Statistics Base Server opcional).

• Establecer una carpeta de inicio predeterminada permanente • Volver a escribir fácilmente en bases de datos desde SPSS

Statistics utilizando el asistente de bases de datos – Crear una nueva tabla y exportarla a su base de datos – Añadir nuevas filas a una tabla existente – Añadir nuevas columnas a una tabla existente – Exportar datos a columnas existentes de una tabla

• Importar datos (incluidos documentos compuestos) desde versiones actuales de Excel sin necesidad del asistente de bases de datos

– Leer columnas que contengan tipos de datos mezclados sin que haya pérdida de datos

– Leer columnas automáticamente con tipos de datos mezclados como variables de cadena y leer todos los valores como variables de cadena válidas

• Abrir varios conjuntos de datos dentro de una única sesión de SPSS Statistics o suprimir el número de conjuntos de datos de la interfaz de usuario

• Importar datos directamente desde productos de IBM SPSS Data Collection, incluido IBM SPSS Data Collection Web Interviewers y productos de investigación de mercado tradicionales, incluido Quanvert*

• Exportar datos desde SPSS Statistics a los productos de SPSS Data Collection*

• ¡Novedad! Importar datos directamente de IBM Cognos• Importar desde fuentes de datos de base de datos OLE sin

tener que pasar por ODBC • Archivos Stata de lectura/escritura • Trabajar con mayor eficacia al ejecutar varias sesiones en un

equipo de sobremesa. Por ejemplo, en trabajos largos, puede utilizar SPSS Statistics en otra sesión siempre que las licencias estén disponibles

Leer y definir datos ASCII utilizando un asistente de texto• Utilizar calificadores de texto para que la lectura de datos

sea aun más fácil • Aumentar la precisión y replicabilidad de sus archivos de

sintaxis con mejoras de búsqueda y sustitución • Leer tablas de base de datos mediante el asistente de bases

de datos – Compatibilidad con la función de arrastrar y soltar

uniones• Exportar tablas y texto como resultados ASCII • Guardar tablas como HTML y gráficos con el formato JPG

para publicar los resultados de IBM SPSS Statistics en Internet o su red interna

• Acceder rápidamente a la página Web de Developer Central (ibm.com/spss/devcentral) a través del menú Ayuda de IBM SPSS Statistics

• Leer/escribir archivos Excel 2007 • Traducir archivos desde y hacia Excel, Lotus 1-2-3 y dBASE• Leer y escribir datos desde y hacia archivos ASCII fijos,

de campo libre o delimitados por tabulaciones • Escribir datos en archivos ASCII con formato fijo o

delimitados por tabulaciones • Leer estructuras de archivo complejas: archivos jerárquicos,

tipos de registro mezclados, datos repetidos y estructuras de archivo no estándar

• Leer y escribir archivos de sistema SPSS/PC+ • Fusionar archivos • Visualizar y aplicar definiciones de datos desde un archivo

de datos de IBM SPSS Statistics a un archivo de trabajo • Actualizar archivos principales mediante archivos de transacción • Leer y escribir matrices de datos • Guardar muchos resultados intermedios para realizar más

análisis • Leer versiones recientes de archivos SAS

* Sólo se admite en la plataforma Windows

http://ibm.com/spss/devcentral


20

• Exportar archivos de datos a SAS • Exportar archivos de datos a versiones actuales de Excel • Guardar archivos de texto de valores separados por comas

(CSV) desde archivos de datos de SPSS Statistics • Mensaje de archivo en uso para reducir errores en datos

creados por más de un usuario que escriba en un archivo de IBM SPSS Statistics a la vez

Transformaciones • Calcular nuevas variables mediante funciones aritméticas,

entre casos, de fecha y hora, lógicas, de valores perdidos, de números aleatorios, estadísticas o de cadena.

• Cree nuevas variables que incluyan los valores de variables existentes de casos anteriores o posteriores

• Realizar un recuento del número de apariciones de los valores en las variables

• Volver a codificar valores de cadena o numéricos • Convertir automáticamente variables de cadena en variables

numéricas mediante el comando de recodificación automática: – Utilizar una plantilla de recodificación automática

para añadir esquemas de recodificación existentes – Volver a codificar múltiples variables simultáneamente – Realizar una recodificación automática de las cadenas

en blanco para que estén definidas como que faltan en el usuario

• Crear transformaciones condicionales mediante estructuras if, else if, else y end if

• Utilizar estructuras de programación como repeat-end repeat, loop-end loop y vectores

• Hacer que las transformaciones sean permanentes o temporales • Ejecutar las transformaciones inmediatamente, en modo por

lotes o según demanda • Buscar y sustituir fácilmente cadenas de texto en sus datos

mediante la función de buscar/sustituir

• Utilizar funciones de distribución acumulada, distribución acumulada inversa y generador de números aleatorios: Beta, Cauchy, chicuadrado, exponencial, F, gamma, Laplace, logística, lognormal, normal, Pareto, t de Student, uniforme y Weibull:

– Distribución normal típica bivariante con correlación R, seminormal, de Gauss inversa, de rango estudentizado y de módulo máximo estudentizado

• Trabajar con la distribución acumulada y el generador de números aleatorios para las funciones de distribución discreta: de Bernoulli, binomial, geométrica, hipergeométrica, binomial negativa y de Poisson

• Utilizar la distribución acumulada para la distribución no central: Beta no central, chi-cuadrado no central, F no central y T no central

• Utilizar funciones de densidad/probabilidad para: – Distribuciones continuas: Beta, normal típica bivariada

con correlación R, Cauchy, chicuadrado, exponencial, F, gamma, seminormal aleatoria, de Gauss inversa, Laplace, logística, lognormal, normal, Pareto, t de Student, uniforme y Weibull

– Distribuciones discretas: de Bernoulli, binomial, geométrica, hipergeométrica, binomial negativa y de Poisson

• Utilizar funciones de densidad/ probabilidad no centrales para: Beta no central, chi-cuadrado no central, distribución F no central y distribución t no central

• Seleccionar probabilidades bilaterales: chi-cuadrado y F • Utilizar la función auxiliar: logaritmo de la función gamma

completa

Requisitos del sistema Los requisitos dependen de la plataforma. Si desea más información, consulte ibm.com/spss/requirements

http://ibm.com/spss/requirements


21

Productos para empresas

IBM SPSS Statistics Server Este producto permite a los usuarios de IBM SPSS Statistics de su organización trabajar con archivos de datos de gran tamaño para una mejor toma de decisiones. La versión cliente/servidor ofrece funciones adicionales, gran capacidad de ampliación y un rendimiento mejorado. Para obtener una mayor seguridad y capacidad de ampliación, está disponible en IBM System z®

con Linux®.

Familia IBM SPSS StatisticsConsiga más poder analítico, a medida que lo vaya necesitando, con los módulos opcionales y el software independiente de la familia IBM SPSS Statistics.

IBM SPSS Advanced StatisticsIBM SPSS Advanced Statistics incluye las siguientes técnicas multivariantes potentes: modelos lineales generalizados (GENLIN), ecuaciones de estimación generalizadas (GEE), modelos de nivel mixto, modelos mixtos lineales generales (GLMM), estimación de componentes de la varianza, MANOVA, estimación de Kaplan-Meier, regresión de Cox, modelos hiloglineales, modelos loglineales y análisis de supervivencia.

IBM SPSS BootstrappingIBM SPSS Bootstrapping permite a investigadores y analistas utilizar las técnicas de muestreo autodocimante en una serie de pruebas de los módulos de IBM SPSS Statistics. Esto ofrece una forma eficaz de garantizar que sus modelos son estables y fiables. Con IBM SPSS Bootstrapping, puede estimar de forma fiable los errores más comunes y los intervalos de confianza de un parámetro de población como la media, la mediana, la proporción, la razón de ventajas, el coeficiente de correlación, el coeficiente de regresión y muchos otros parámetros.

IBM SPSS CategoriesLibere todo el potencial de sus datos categóricos en mapas perceptuales con escalamiento óptimo y técnicas de reducción dimensional. Este módulo complementario le ofrece todo lo que necesita para analizar e interpretar más completamente datos multivariantes y sus relaciones.

IBM SPSS Complex SamplesIncorpore los diseños de muestras complejas en el análisis de datos para realizar un análisis más preciso de los datos de muestras complejas. SPSS Complex Samples, con sus estadísticos y herramientas de planificación especializada, reduce el riesgo de inferencias incorrectas o equívocas para las muestras estratificadas, conglomeradas o polietápicas.

IBM SPSS ConjointIBM SPSS Conjoint ayuda a los investigadores de mercado a desarrollar productos de gran éxito. Al realizar un análisis conjunto, aprenderá qué atributos de productos son importantes para los consumidores y cuáles son los niveles de atributos preferidos, y podrá realizar estudios de precios y de presencia de su marca.

IBM SPSS Custom TablesUtilice IBM SPSS Custom Tables para presentar resultados de informes sobre cumplimiento legislativo, encuestas, satisfacción del cliente y sondeos. Funciones como la previsualización del generador de tablas, los estadísticos inferenciales incluidos y la gestión de datos hacen que sea muy fácil comunicar claramente sus resultados.

IBM SPSS Data PreparationCon SPSS Data Preparation, obtendrá varios procedimientos que facilitan el proceso de preparación de datos. Este módulo adicional le permite identificar fácilmente casos, variables y valores de datos sospechosos y no válidos; ver patrones de datos perdidos; resumir distribuciones de variables para preparar sus datos para el análisis; y trabajar de forma más precisa con algoritmos diseñados para atributos nominales.

IBM SPSS Decision Trees Cree clasificaciones altamente visuales y árboles de decisiones directamente en IBM SPSS Statistics para la segmentación, estratificación, predicción, reducción de datos y filtrado de variables, identificación de interacción, fusión de categorías y discretización de variables continuas. Los árboles altamente visuales le permiten presentar los resultados de forma intuitiva.


22

IBM SPSS Direct MarketingIBM SPSS Direct Marketing ayuda a los expertos en marketing a realizar varios tipos de análisis de forma sencilla y confidencial, sin necesitar un conocimiento profundo sobre estadística. Pueden realizar análisis de actividades recientes, frecuencia y valor monetario (RFM), análisis de conglomerados y definición de perfiles de posibles clientes. También pueden mejorar sus campañas de marketing mediante análisis de código postal, puntuación de propensión y pruebas de paquetes de control. Y pueden puntuar fácilmente nuevos datos de cliente, acceder a modelos preintegrados e interactuar directamente con datos en Salesforce.com.

IBM SPSS Exact TestsSPSS Exact Tests le ofrecen siempre los valores p correctos, independientemente de su estructura de datos, aunque tenga un pequeño número de casos, tenga un subconjunto de sus datos en desgloses detallados o tenga variables donde el 80% de las respuestas o más esté en una categoría.

IBM SPSS ForecastingMejore los pronósticos con completos análisis de series temporales, incluyendo modelos de ajuste y suavizado de curvas y métodos para estimar funciones autorregresivas. Utilice el modelizador experto para determinar automáticamente qué proceso ARIMA (modelo autorregresivo integrado de media móvil) o modelo de suavizado exponencial se ajusta mejor a sus variables de series temporales e independientes, eliminando la selección mediante el método de ensayo y error.

IBM SPSS Missing ValuesSi faltan valores en sus datos, este módulo puede encontrar algunas relaciones entre los valores que faltan y otras variables. Además, el módulo de valores perdidos puede estimar qué valor existiría si no faltaran datos.

IBM SPSS Neural NetworksUtilice el módulo SPSS Neural Networks para modelar relaciones complejas de modelos entre las entradas y salidas o para descubrir patrones de sus datos. Seleccione los algoritmos que pueden utilizarse para la clasificación (resultados categóricos) y para la predicción (resultados numéricos). Los dos algoritmos disponibles son Perceptrón multicapa y Función de Base Radial.

IBM SPSS RegressionPrediga comportamientos o eventos gracias a datos que superan las suposiciones de las técnicas de regresión lineal. Realice regresiones no lineales y regresiones logísticas multinómicas o binarias, mínimos cuadrados ponderados, mínimos cuadrados en dos fases y análisis de probit.

IBM SPSS Statistics Programmability ExtensionLa función de programación ampliada ayuda a hacer de IBM SPSS Statistics una de las plataformas de desarrollo estadístico más potentes disponibles. Puede utilizar el lenguaje de programación externo Python para desarrollar nuevos procedimientos y aplicaciones, incluyendo los escritos en R. Podrá disfrutar de herramientas mejoradas para agregar estos procedimientos, principalmente una nueva interfaz de usuario y la capacidad de ofrecer resultados en tablas pivote en el visor de resultados de SPSS. Visite SPSS Developer Central en ibm.com/spss/devcentral para compartir código, herramientas e ideas de programación.

Productos complementarios Utilice los siguientes productos con IBM SPSS Statistics para mejorar los resultados de sus análisis.

IBM SPSS Amos™ (sólo para Windows)Apoye su investigación y teorías ampliando los métodos de análisis multivariante estándar cuando utilice este paquete de software independiente para el modelado de ecuaciones estructurales (SEM). Cree modelos actitudinales y de comportamiento que reflejen de forma más realista las relaciones complejas porque puede utilizar variables numéricas observadas o latentes para predecir cualquier otra variable numérica. La última versión incluye un nuevo método no gráfico de especificación de modelos que mejora la accesibilidad para los usuarios que necesiten funciones de procesos y que permite ejecutar con mayor rapidez los modelos grandes y complicados.

http://ibm.com/spss/devcentral


23

Productos de IBM SPSS Data Collection Data Entry e IBM SPSS Data CollectionIBM ofrece gran variedad de productos independientes que le ayudan a introducir y capturar los datos para los estudios de encuestas. IBM SPSS Data Collection Data Entry le ofrece opciones para la introducción de datos ya sea mediante aplicaciones de escritorio o a través de la Web. IBM SPSS Data Collection le ofrece la posibilidad de captar automáticamente datos online, por teléfono, mediante dispositivos móviles o de formularios en papel que podrá escanear. Todos estos productos funcionan con IBM SPSS Statistics, que le permite analizar sin problemas sus datos de encuestas.

IBM SPSS SamplePowerIBM SPSS SamplePower® le ayuda a encontrar el tamaño de muestra adecuado para su investigación en pocos minutos y pruebe los posibles resultados antes de comenzar el estudio.

IBM SPSS Statistics Developer Gracias a IBM SPSS Statistics Developer, los algoritmos R pueden integrarse fácilmente en la sintaxis de IBM SPSS Statistics para que adquieran el aspecto de procedimientos estándar de IBM SPSS Statistics, que pueden invocarse de forma sencilla a través de una interfaz idéntica a los cuadros de diálogo integrados de IBM SPSS Statistics. Los usuarios no especializados podrán acceder a toda la gama de funciones y procedimientos estadísticos gratuitos disponibles en R y utilizarlos, mientras que los usuarios especializados en R que deseen utilizar el lenguaje para realizar tareas innovadoras podrán realizarlo más fácilmente.

IBM SPSS Text Analytics for SurveysEste paquete de software independiente ofrece una combinación de tecnologías lingüísticas y técnicas manuales para clasificar las respuestas abiertas. Para mejorar su análisis cuantitativo, puede exportar los resultados como categorías o dicotomías para su análisis en IBM SPSS Statistics Base, IBM SPSS Data Collection o Excel.

IBM SPSS Visualization DesignerEste producto facilita la creación de atractivas visualizaciones que pueden guardarse como plantillas y reutilizarse en los productos de IBM SPSS.

Acerca de IBM Business Analytics El software IBM Business Analytics proporciona conocimientos útiles que necesitan los responsables de la toma de decisiones para lograr un mejor rendimiento del negocio. IBM ofrece un conjunto completo y unificado de Business Intelligence, análisis predictivo y avanzado, gestión del rendimiento financiero y de la estrategia, gobierno, riesgo y cumplimiento normativo y aplicaciones analíticas.

Con el software de IBM, las empresas pueden detectar tendencias, patrones y anomalías, comparar escenarios “what-if”, predecir amenazas y oportunidades potenciales, identificar y gestionar los principales riesgos de negocio, así como planificar, elaborar presupuestos y hacer previsiones de recursos. Con estas profundas capacidades analíticas, nuestros clientes de todo el mundo pueden conocer mejor, anticiparse y dar forma a sus resultados de negocio.

Para más informaciónPara obtener más información, visite ibm.com/es/analytics

Solicite una llamadaPara solicitar una llamada o hacer una pregunta, vaya a ibm.com/es Un representante de IBM responderá su pregunta lo antes posible.

http://ibm.com/es/analytics

http://ibm.com/es

YTD03121-ESES-02

IBM España, S.A.Tel.: +34-91-397-6611Santa Hortensia, 26-2828002 MadridSpain

La página de inicio de IBM se encuentra en:ibm.com

IBM, logotipo de IBM, ibm.com, SPSS y Cognos son marcas registradas de International Business Machines Corp., registradas en numerosas jurisdicciones de todo el mundo. Otros nombres de productos y servicios pueden ser marcas registradas de IBM o de otras empresas. Encontrará una lista actualizada de las marcas registradas de IBM en la Web en “Información de copyright y marcas registradas” en: ibm.com/legal/copytrade.shtml

Linux es una marca registrada de Linus Torvalds en Estados Unidos y/o en otros países.

Microsoft, Windows, Windows NT y el logotipo de Windows son marcas registradas de Microsoft Corporation en los Estados Unidos, otros países o ambos.

El contenido de este documento (incluidas las referencias de monedas O precios con exclusión de los impuestos aplicables) es vigente en la fecha inicial de publicación y está sujeto a cambios por parte de IBM sin previo aviso. No todas las ofertas están disponibles en todos los países en los que IBM opera.

LA INFORMACIÓN DE ESTE DOCUMENTO SE PROPORCIONA “TAL CUAL” SIN GARANTÍA DE NINGÚN TIPO, NI EXPLÍCITA NI IMPLÍCITA, INCLUYENDO, PERO NO LIMITÁNDOSE, A LAS DE COMERCIALIZACIÓN, ADECUACIÓN A UN PROPÓSITO DETERMINADO Y A LAS GARANTÍAS O CONDICIONES DE NO INFRACCIÓN. Los productos de IBM se garantizan de acuerdo con los términos y condiciones de los acuerdos bajo los que se proporcionan.

© Copyright IBM Corporation 2012

Porfavor,recicle

http://ibm.com/legal/copytrade.shtml

Documents

IBM SPSS Statistics Base - spssca.com€¦ · En comparación con otro software estadístico, IBM SPSS Statistics es más fácil de usar, tiene un coste total de propiedad más bajo