SPSS Statistics - Complex Samples

Integration des Stichprobenentwurfs in die Umfrageanalyse

• Steigern Sie die Präzision Ihrer Stichproben oder stellen Sie repräsentative Stichproben aus Schlüsselgruppen sicher.
• Wählen Sie Cluster oder Gruppen von Erhebungseinheiten aus, um die Kosteneffizienz Ihrer Umfragen zu steigern.
• Nutzen Sie eine mehrstufige Erhebung, um eine höherstufige Stichprobe auswählen zu können.

Bewahrung von Umfrageplanungsparametern zur zukünftigen Verwendung

• Veröffentlichen Sie öffentlich zugängliche Daten, die Ihre Stichproben und Analysepläne umfassen.
• Nutzen Sie die veröffentlichten Pläne als Vorlage, um Entscheidungen bei der Planung zu speichern.
• Stellen Sie Pläne anderen im Unternehmen bereit, damit diese die Ergebnisse replizieren können oder dort weitermachen können, wo Sie aufgehört haben.

Management komplexer Umfragedaten

• Zeigen Sie Einweg-Frequenztabellen oder Zweiweg-Kreuztabellierungen sowie die dazugehörigen Standardfehler, Entwurfseffekte, Konfidenzintervalle und Hypothesentests an.
• Entwickeln Sie Modelle für die lineare Regression, die Varianzanalyse (ANOVA) und die Kovarianzanalyse (ANCOVA).
• Schätzen Sie Durchschnitte, Summen und Verhältnisse und berechnen Sie Standardfehler, Entwurfseffekte, Konfidenzintervalle und Hypothesentests für Stichproben, die mithilfe komplexer Erhebungsmethoden gezogen wurden.
• Führen Sie eine binäre logistische Regressionsanalyse und mehrfache logistische Regressionsanalyse (MLR) durch.
• Wenden Sie Cox-Modelle für die proportionale Risikoregression auf die Analyse von Überlebenszeiten an.

Einsatz von intuitiven Schnittstellen und hilfreichen Assistenten

• Nutzen Sie den Assistenten für die Analysevorbereitung zur Angabe, wie die Stichproben definiert sind und die Standardfehler geschätzt werden sollen.
• Verwenden Sie bei der Erstellung eigener Stichproben den Assistenten für die Stichprobenplanung, um das Schema zu definieren und die Stichprobe zu ziehen.
• Wählen Sie mithilfe des IBM SPSS Complex Samples Selection-Verfahrens (CSSELECT) komplexe Stichproben auf Wahrscheinlichkeitsbasis aus einer Population aus und senken Sie das Risiko, eine Untergruppe über- bzw. unterzurepräsentieren.