Statistics Categories
Statistics Categories semplifica la visualizzazione e la consultazione delle relazioni dei dati e consente di prevedere i risultati in base alle informazioni acquisite. Utilizzando tecniche avanzate, quali analisi predittiva, comprensione statistica, mappa percettuale e scaling delle preferenze è possibile comprendere quali caratteristiche i clienti associano maggiormente al prodotto o al brand, in modo da scoprire le loro opinioni in relazione alla concorrenza.
Statistics Categories include tecniche di analitica avanzate per:
-
Analizzare e interpretare in modo facile e completo i dati multivariati e le loro relazioni.
-
Trasformare le variabili qualitative in quantitative eseguendo operazioni statistiche aggiuntive sui dati categorici.
-
Visualizzare graficamente le relazioni base in qualsiasi tipo di categoria studiata, inclusi segmenti di mercato, diagnosi mediche, partiti politici o specie biologiche.
Analizzare e interpretare facilmente i dati multivariati
-
Utilizzare procedure di regressione categorica per prevedere i valori di una variabile nominale, ordinale o numerica da una combinazione di variabili predittori
-
Quantificare le variabili per massimizzare la tecnica Multiple R con tecniche di scaling ottimale.
-
Visualizzare chiaramente le relazioni dei dati utilizzando tecniche di riduzione delle dimensioni, quali biplot e mappe percettuali.
-
Ottenere informazioni dettagliate delle relazioni tra più di due variabili con grafici di riepilogo che visualizzano categorie o variabili simili.
Trasformare le variabili qualitative in quantitative
-
Prevedere i valori di una variabile di risultati nominali, ordinali o numerici da una combinazione di variabili dei predittori categoriche.
-
Analizzare le tabelle a due vie che contengono alcune misurazioni di corrispondenze tra righe e colonne, nonché righe e colonne di visualizzazione come punti di una mappa. Analizzare anche i dati categorici multivariati, consentendo l'uso di più di due variabili nelle analisi.
-
Utilizzare tecniche di scaling ottimale per generalizzare la procedura di analisi dei componenti principali, che permette di gestire variabili di livelli di misurazione misti.
-
Confrontare serie multiple di variabili nello stesso grafico, una volta rimossa la correlazione tra le serie, ed esaminare visualmente le relazioni tra due serie di oggetti, ad esempio tra consumatori e prodotti.
-
Eseguire lo scaling multidimensionale che gestisce una o più matrici con similarità o dissimilarità (prossimità).
Visualizzazione grafica delle relazioni di base
-
Collocare le relazioni tra le variabili in un riquadro di riferimento più grande con scaling ottico.
-
Creare mappe percettuali che visualizzano graficamente le variabili o le categorie simili per fornire informazioni esclusive delle relazioni tra più di due variabili categoriche.
-
Utilizzare biplot e triplot per visualizzare le relazioni tra casi, variabili e categorie; ad esempio, è possibile definire le relazioni tra prodotti, clienti e caratteristiche demografiche.
-
Visualizzare ulteriori relazioni tra gli oggetti utilizzando lo scaling delle preferenze, che semplifica le analisi non metriche per i dati ordinali e consente di ottenere risultati più coerenti.
-
Analizzare le similitudini tra oggetti e integrare le caratteristiche degli oggetti nella stessa analisi.