バージョン 29 新機能
分析プロシージャー
線形 OLS 代替
Elastic Net
分析 > リグレッション > 線形 OLS 代替 > エラスティック・ネット をクリックして、線型 Elastic Net 回帰分析を取得します。 新しい Linear Elastic Net 拡張プロシージャーでは、 Python を使用します。sklearn.linear_model.ElasticNet1 つ以上の独立変数の従属変数の正規化線形回帰モデルを推定するためのクラス。 正則化は、 L1 (Lasso) ペナルティーと L2 (リッジ) ペナルティーを組み合わせたものです。 この拡張にはオプション・モードが含まれており、指定された L1 比率についてアルファのさまざまな値のトレース・プロットを表示したり、交差検証に基づいて L1 比率とアルファ・ハイパーパラメーター値を選択したりすることができます。 単一のモデルが適合される場合、または交差検証を使用してペナルティー率またはアルファ (あるいはその両方) を選択する場合、ホールドアウト・データの分割を使用して、サンプル外のパフォーマンスを推定できます。
Lasso
分析 > リグレッション > 線形 OLS 代替 > ラッソ をクリックして、線型投げなわ回帰分析を取得します。 新しい線形投げなわ拡張プロシージャーでは、 Python を使用します。sklearn.linear_model.Lasso1 つ以上の独立変数に対する従属変数の L1 損失正規化線型回帰モデルを推定するためのクラス。これには、トレース・プロットを表示し、交差検証に基づいてアルファ・ハイパーパラメーター値を選択するためのオプション・モードが含まれます。 単一モデルが適合される場合、または交差検証を使用してアルファを選択する場合は、ホールドアウト・データの分割を使用して、サンプル外のパフォーマンスを推定できます。
リッジ
分析 > リグレッション > 線形 OLS 代替 > リッジ をクリックして、線型リッジ回帰分析を取得します。 新しい Linear Ridge 拡張プロシージャーは、 Python を使用します。sklearn.linear_model.Ridge1 つ以上の独立変数に対する従属変数の L2 または平方損失正規化線型回帰モデルを推定するためのクラス。トレース・プロットを表示し、交差検証に基づいてアルファ・ハイパーパラメーター値を選択するためのオプション・モードが含まれます。 単一モデルが適合される場合、または交差検証を使用してアルファを選択する場合は、ホールドアウト・データの分割を使用して、サンプル外のパフォーマンスを推定できます。
Parametric Accelerated Failure Time (AFT) モデル
分析 > サバイバル > Parametric Accelerated Failure Time (AFT) モデル をクリックして、Parametric Accelerated Failure Time (AFT) モデル分析を取得します。AFT モデル分析は、非反復寿命データを持つパラメトリック生存モデル・プロシージャーを呼び出します。 パラメトリック生存モデルでは、生存時間が既知の分布に従っていると仮定します。この分析は、生存時間に比例したモデル効果を使用して、加速された失敗時間モデルに適合します。
疑似 R ( P)2 線型混合モデルおよび一般化線型混合モデルの数値データ
疑似 R ( P)2 の指標およびクラス内相関係数が、線型混合モデルおよび一般化線型混合モデルの出力に含まれるようになりました (該当する場合)。 決定 R の係数。2 は、線型モデルによって説明される分散の比率を表すため、一般的に報告される統計量です。 イントラ・クラス相関係数 (ICC) は、マルチレベル/階層データのグループ化 (ランダム) 因子によって説明される分散の比率を定量化する関連統計量です。
コマンド・シンタックス
GENLINMIXED
出力に 疑似 R が含まれるようになりました。2 は、クラス内相関係数 (該当する場合) を測定します。
LINEAR_ELASTIC_NET
新しい拡張コマンドは、 Python を使用します。sklearn.linear_model.ElasticNet1 つ以上の独立変数の従属変数の正規化線形回帰モデルを推定するためのクラス。
LINEAR_LASSO
新しい拡張コマンドは、 Python を使用します。sklearn.linear_model.Lasso1 つ以上の独立変数に対する従属変数の L1 損失正規化線型回帰モデルを推定するためのクラス。 このコマンドには、トレース・プロットを表示したり、交差検証に基づいてアルファ・ハイパー・パラメーター値を選択したりするためのオプション・モードが含まれています。
LINEAR_RIDGE
新しい拡張コマンドは、 Python を使用します。sklearn.linear_model.Ridge1 つ以上の独立変数に対する従属変数の L2 または平方損失正規化線型回帰モデルを推定するためのクラス。 このコマンドには、トレース・プロットを表示したり、交差検証に基づいてアルファ・ハイパー・パラメーター値を選択したりするためのオプション・モードが含まれています。
MIXED
出力に 疑似 R が含まれるようになりました。2 は、クラス内相関係数 (該当する場合) を測定します。
SURVREG AFT
新しい拡張コマンドは、非反復存続時間データを持つパラメトリック生存モデルプロシージャを起動します。
Python および R のアップグレード
Python 3.10.4 および R 4.2.0 は、 IBM® SPSS® Statistics 29と共にインストールされます。
ケースの選択 – 非表示のケース
ケースのサブセットが選択されている場合、選択されていないケースはデータ・エディターで非表示にならなくなり、選択されていないケースは破棄されません。 これは、 統計 27.0.1 以前のバージョンの動作への戻りを表します。
ヴァイオリンプロット
グラフボード・テンプレート選択には、ボックスとカーネル密度プロットのハイブリッドである新しいヴァイオリン・プロットが含まれています。 ヴァイオリン・プロットは、データのピークを示し、数値データの分布を視覚化するために使用されます。 要約統計量のみを表示できる箱ひげ図とは異なり、ヴァイオリン・プロットは要約統計量と各変数の密度を表します。
ワークブック・モードの拡張
- 2 つの新しいワークブック・ツールバー項目: すべてのシンタックス・ウィンドウの表示/非表示 と すべての出力をクリア。
- クラシック (出力およびシンタックス) モードとワークブック・モードを切り替えるためのステータス・バーの新しいボタン。
検索の機能拡張
検索機能で、ツールバー・フィールドに用語を直接入力したり、ドロップダウン・ペインに結果を表示したりするためのオプションが提供されるようになりました。
SPSSバージョンリリース履歴
IBM SPSS Statistics は通常、年に一度のペースでメジャーバージョンアップグレードが行われ、新しい機能や分析方法が導入されます。また、リビジョンアップグレードでは、既存の機能性改良や不具合修正が行われています。
