IBM SPSS Statistics. Уровень 5. Многомерный статистический анализ

Многомерные методы классификации Понятие и области применения кластерного анализа Задачи кластерного анализа Методы кластерного анализа Преимущества и недостатки кластерного анализа Этапы кластерного анализа Исходные данные для кластерного анализа Меры расстояния между объектами Анализ качества классификации

Особенности иерархического кластерного анализа Алгоритм иерархических методов кластерного анализа Меры расстояния между кластерами Процедура Расстояния Меры различия Меры сходства Процедура Иерархический кластерный анализ Выбор метода иерархического кластерного анализа Результаты процедуры Иерархический кластерный анализ Графическое представление результатов иерархического кластерного анализа Настройка статистик процедуры Иерархический кластерный анализ Сохранение новых переменных

Сущность и особенности метода k-средних Алгоритм метода k-средних Процедура Кластерный анализ методом k-средних Результаты процедуры Кластерный анализ методом k-средних Настройка количества итераций Настройка дополнительных параметров Результаты вывода дополнительных настроек Сохранение новых переменных Графическое представление результатов

Особенности двухэтапного кластерного анализа Предпосылки двухэтапного кластерного анализа Алгоритм двухэтапного кластерного анализа Процедура Двухэтапный кластерный анализ Сводка результатов модели Оценка кластерной структуры Просмотр информации о кластерах Вывод информации по кластерам Управление выводом Вывод процедуры Двухэтапный кластерный анализ Дополнительная панель средства просмотра кластеров Отбор наблюдений по кластерам Параметры процедуры Двухэтапный кластерный анализ

Понятие факторного анализа Цель и задачи факторного анализа Этапы факторного анализа Предпосылки применения факторного анализа Алгоритм компонентного анализа Алгоритм факторного анализа Сравнение факторного и компонентного анализов Предпосылки применения факторного и компонентного анализов Процедура Факторный анализ Результаты процедуры Факторный анализ Правила отбора факторов Выбор метода факторного анализа Проблема вращения факторов Настройка вращения факторов Параметры процедуры Факторной анализ Вывод описательных статистик Сохранение значений факторов

Сегментация на основе откликов Методы сегментации на основе откликов Исходные данные для дискриминантного анализа Сходства дискриминантного анализа и логистической регрессии Различия дискриминантного анализа и логистической регрессии Цель и задачи дискриминантного анализа Предпосылки дискриминантного анализа Этапы дискриминантного анализа Методы дискриминантного анализа Исходные данные Линейная модель дискриминантного анализа Процедура Дискриминантный анализ Результаты процедуры Дискриминантный анализ Статистики процедуры Дискриминантный анализ Метод пошагового отбора процедуры Дискриминантный анализ Классификация на основе результатов дискриминантного анализа Классификационные статистики Сохранение новых переменных

Многомерный дисперсионный анализ Процедура ОЛМ-многомерная Настройка параметров процедуры ОЛМ-многомерная Основные результаты многомерного дисперсионного анализа Дисперсионный анализ с повторными измерениями Процедура ОЛМ-повторные измерения Настройка параметров процедуры ОЛМ-повторные измерения

Суть метода построения дерева решений Области применения дерева решений Особенности и предпосылки применения метода дерева решений Методы построения дерева решений Сравнение методов построения дерева решений Процедура Деревья классификации Интерпретация и исследование дерева решений Проверка адекватности модели Настройка вывода в процедуре Деревья классификации Настройки и параметры процедуры Деревья классификации Правила для классификации наблюдений Критерии в процедуре Деревья классификации Регрессионные деревья решений Построение регрессионных деревьев решений