SPSS Statistics - Data Preparation
IBM SPSS Data Preparation bietet Analysten erweiterte Techniken zum Optimieren der Datenvorbereitungsstufe im analytischen Prozess. Während einfache Datenvorbereitungswerkzeuge in IBM SPSS Statistics Base enthalten sind, bietet IBM SPSS Data Preparation spezielle Techniken für die Datenvorbereitung, mit denen sich präzisere Analysen und Ergebnisse erzielen lassen.
Dies könnte Sie auch interessieren
EViews 14
Stata BE
SPSS Statistics - Standard
IBM SPSS Statistics - Data Preperation
Präzisere Ergebnisse durch bessere Datenaufbereitung
IBM SPSS Data Preparation führt innovative Verfahren durch, mit denen sich die Datenaufbereitungsstufe im analytischen Prozess optimieren lässt, um schnellere, präzisere Datenanalyseergebnisse zu erzielen. Analysten können aus einem vollständig automatisierten Datenaufbereitungsverfahren wählen, um für die schnellsten Ergebnisse zu sorgen, oder eine der zahlreichen Methoden zur einfacheren Aufbereitung anspruchsvollerer Datasets nutzen.
Mit dieser Software können Sie mühelos suspekte oder ungültige Fälle, Variablen und Datenwerte erkennen. Zudem lassen sich Muster von fehlenden Daten anzeigen, Variablenverteilungen zusammenfassen und Algorithmen für nominale Attribute präziser einsetzen.
SPSS Data Preparation bietet Ihnen folgende Möglichkeiten:
- Automatisierung des Datenaufbereitungsprozesses zur Beseitigung der komplexen, zeitaufwendigen manuellen Datenaufbereitung
- Datenvalidierung ohne manuelle Überprüfung für eine schnellere, präzisere Datenvalidierung
- Verhinderung der Analyseverzerrung durch Ausreißer zur automatischen Erkennung von Unregelmäßigkeiten, die zu fehlerhaften Ergebnissen führen können
Desktop-Systeme
| Windows® | Mac® OS X | Linux® | ||
| Andere Voraussetzungen | DVD-Laufwerk Super VGA-Monitor (800x600) oder Monitor mit höherer Auflösung Für die Verbindung mit dem SPSS Statistics Base Server, ein Netzwerk Adapter für das TCP/IP Netzwerk Protokoll Internet Explorer 7, 8,9 oder 10 |
DVD-Laufwerk Super VGA-Monitor (800x600) oder Monitor mit höherer Auflösung Webbrowser: Mozilla® Firefox® 20, 21 |
DVD-Laufwerk Super VGA-Monitor (800x600) oder Monitor mit höherer Auflösung Webbrowser: Mozilla® Firefox® 20, 21 |
|
| Betriebssystem | Windows XP, Vista, 7, 8, 10 (32-/64-Bit) | Mac OS X 10.7 (32-/64-Bit), Mac OS X 10.8 (nur 64-Bit!) | Debian 6.0 x86-64, Red Hat Enterprise Linux (RHEL) 5 Desktop Editions, Red Hat Enterprise Linux (RHEL) Client 6 x86-64:
|
|
| Minimum CPU | Intel®- oder AMD-x86-Prozessor mit 1 GHz oder mehr | Intel-Prozessor (32- und 64-Bit) | Intel®- oder AMD-x86-Prozessor mit 1 GHz oder mehr | |
| Min. RAM | 1 GB RAM oder mehr empfohlen | 1 GB RAM oder mehr empfohlen | 1 GB RAM oder mehr empfohlen | |
| Festplattenplatz | Minimum 800 MB freier Speicherplatz auf der Festplatte | Minimum 800 MB freier Speicherplatz auf der Festplatte | Minimum 800 MB freier Speicherplatz auf der Festplatte |
Server-Systeme
| SPSS Statistics Server | |
| Andere Voraussetzungen | Für Windows-, Solaris-Computer: Netzwerkadapter mit TCP/IP-Netzwerkprotokoll Für System z-Computer: OSA-Express3 10 Gigabit Ethernet, OSA-Express3 Gigabit Ethernet, OSA-Express3 1000BASE-T Ethernet |
| Betriebssystem | Windows Server 2008 oder 2012 (64-Bit), Red Hat® Enterprise Linux 5 (auf diversen Rechnerarchitekturen; 64-Bit), SUSE Linux Enterprise Server 10 und 11 (auf diversen Rechnerarchitekturen; 64-Bit) Details entnehmen Sie bitte der Übersicht System Requirements SPSS Statistics Server 22 |
| Minimum CPU | |
| Min. RAM | 4 GB RAM oder mehr werden empfohlen |
| Festplattenplatz | ca. 1 GB für die Installation. Temporär wird die doppelte Menge Speicherplatz benötigt. |
Automatisierung des Datenaufbereitungsprozesses
- Die Datenvorbereitung ist in einem einzigen Schritt getan.
- Sie können Qualitätsfehler erkennen und korrigieren sowie fehlende Werte zuschreiben.
- Bestimmen Sie in kürzester Zeit die in Ihrer Analyse zu verwendenden Daten.
- Leicht verständliche Berichte lassen sich mit Empfehlungen und Visualisierungen anzeigen.
Datenvalidierung ohne manuelle Überprüfung
- Stellen Sie die Konsistenz der Datenvalidierung von Projekt zu Projekt sicher.
- Wenden Sie Prüfregeln auf Basis des Messniveaus jeder einzelnen (kategorialen oder kontinuierlichen) Variable an.
- Sie erhalten Berichte über ungültige Fälle, Zusammenfassungen von Regelverstößen und die Anzahl der betroffenen Fälle.
- Entfernen oder korrigieren Sie verdächtige Fälle nach Belieben vor der Analyse.
Verhinderung der Analyseverzerrung durch Ausreißer
- Suchen Sie nach ungewöhnlichen Fällen basierend auf Abweichungen von ähnlichen Fällen.
- Markieren Sie Ausreißer durch die Erstellung einer neuen Variable.
- Untersuchen Sie ungewöhnliche Fälle, um zu bestimmen, ob diese in die Analyse eingeschlossen werden sollen.