Schulungs - Auswahl





SPSS Statistics - Missing Values kaufen
0

 

Gesamtsumme
inkl. 19 % USt

IBM SPSS Missing Values findet Beziehungen zwischen fehlenden Werten in Ihren Daten und anderen Variablen. Fehlende Daten können ernsthafte Auswirkungen auf Ihre Modelle und Ihre Ergebnisse nach sich ziehen. Dieses Modul wird unter anderem von Umfrageforschern, Sozialwissenschaftlern, Data Minern und Marktforschern zum Auswerten von Daten verwendet.

Dies könnte Sie auch interessieren

Stata MP

Stata MP

Stata MP

Sie benötigen eine leistungsstarke Software für komplexe Arbeiten im Bereich Statistik, Grafik,... Mehr Details

Download Preisliste Zum Produkt

EViews 14

EViews 14

EViews 14

Im Bereich Ökonometrie ist EViews Ihre erste Wahl! Egal ob lineare Regression, Zeitreihenanalysen mittels ARCH,... Mehr Details

Download Preisliste Zum Produkt

Systat

Systat

Systat

Brillante Software zur statistischen Analyse, Bootstrapping Verfahren, Visualisierung mit hochwertigen 2D und 3D... Mehr Details

Download Preisliste Zum Produkt

IBM SPSS Statistics - Missing Values

Build better models when you estimate missing data

IBM® SPSS® Missing Values software is used by survey researchers, social scientists, data miners, market researchers and others to validate data. The software allows you to examine data to uncover missing data patterns, then estimate summary statistics and impute missing values using statistical algorithms.

With SPSS Missing Values software, you can impute your missing data, draw more valid conclusions and remove hidden bias.

  • Quickly diagnose missing data imputation problems using diagnostic reports.
  • Replace missing data values with estimates using a multiple imputation model.
  • Display and analyze patterns to gain insight and improve data management.

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:
  • Linux (64 bit) kernel 2.6.28-238.e15 oder höher
  • FORTRAN version libgfortran.so.3
  • C++ Version libstdc++.so.6.0.10
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.

Quickly diagnose missing data imputation problems

  • Examine data from different angles using six diagnostic reports.
  • Diagnose missing data using the data patterns report, which provides a case-by-case overview of your data.
  • Determine the extent of missing data and any extreme values for each case.

Replace missing data values with estimates

  • Understand missing patterns in your data set and replace missing values with plausible estimates.
  • Benefit from an automatic imputation model that chooses the most suitable method based on characteristics of your data, or customize your imputation model.
  • Model the individual data sets that are created, using techniques such as linear regression or expectation maximization algorithms, to produce parameter estimates for each.
  • Obtain final parameter estimates by pooling estimates and computing inferential statistics that take into account variation within and between imputations.

Display and analyze patterns

  • Display missing data for all cases and all variables using the data patterns table.
  • Determine differences between missing and non-missing groups for a related variable with the separate t-test table.
  • Assess how much the missing data for one variable relates to the missing data of another variable using the percent mismatch of patterns table.