Professional Documents
Culture Documents
SADRAJ PREGLEDA
SPSS 14.0 za windows Predstavljanje novih modula Porodica SPSS modula SPSS nezavisni softveri
Osim toga, sa odgovarajuom ODBC drajverima, mogue je povezati se na bilo koju bazu koja je u skladu sa ODBC standardom, to za rezultat ima minimalan rad na pristupu podacima jer nema potrebe za konverzijom ili runim kopiranjem podataka. SPSS takoe omoguava lak pristup tekstualnim, excel ili SAS podacima.
L ak p ri s t u p po d ac i m a - P o m o u SP SS D a ta b a s e wi z a r d a m o em o brzo pristupiti velikim koliinama podataka. Moemo direktno pristupiti excel, SAS i tekstualnim podacima.
Brza priprema podataka - Moemo eliminisati vremenski zahtevan postupak obeleavanja podataka korienjem alata za definisanje osobina promenljivih. Kada jednom definiemo labele, pomenuti alat ih primeni na sve podatke.
Svoenje kontinualnih promenljivih na intervale - Za ovakve promenljive, korienjem vizuelnih alata brzo odreujemo intervale. Korienjem odgovarajuih alata takoe moemo lako postaviti logike take prekida.
Prezentacija rezultata korienjem OLAP-a - Kreiranje, distribucija manipulacija informacijama kako bi se olakalo ad-hoc odluivanje.
Primena irokog spektra statistikih testova - Na raspolaganju je veliki broj statistikih tehnika, od prikaza podataka do predvianja, pa postoji mogunost izbora adekvatne procedure.
Pravljenje izvetaja u formatu kome svako moe pristupiti - Postoji mogunost prebacivanja rezultata u Microsoft Word i Microsoft Excel.
Jednostavnim prevlaenjem (drag and drop) promeljivih i drugih elemenata na prostor predvien za kreiranje grafika. Korienjem ve postojeih ablona za grafike.
Napredni korisnici mogu imati vei spektar opcija za kreiranje grafika (van Chart Builder-a), koristei poseban programski jezik za obradu grafike (Graphics Production language - GPL), to im omoguava: Kreiranje posebnih grafika standardnog interfejsa. koji se ne mogu napraviti putem
Kombinovanje i preklapanje razliitih grafika i njihovih elemenata. Specifikaciju karakterisitka grafika kao to su koordinatni sistem, elementi podataka itd.
Ovaj novi modul omoguava se da se lako identifikuju sumnjivi i netani podaci na nivou celog sloga, promenljive ili vrednosti promenljive. Pored toga postoji mogunost uoavanja raspodele vrednosti promenljivih i utvrivanja da li postoji odreeno pravilo po kome nedostaje jedna vrsta podataka. Primenom ovih mogunosti moe se, pre analize, utvrditi validnost podataka i ukloniti ili ispraviti deo podataka koji nije validan. Za razliku od runog procesa validacije koji je vremenski veoma zahtevan, kroz SPSS Data Validaton modul moe se upravljati procesom validacije kako bi se bre prelo na fazu analize i dobili taniji rezultati.
Kartica sa promenljivama Prvi korak je odabir promenljivih koje su od interesa i smetanje istih u listu za analizu promenljivih
Osnovna provera Mogu se odrediti koje e se osnovne provere vriti nad promenljivama i slogovima. Na primer, moe se dobiti izvetaj koji identifikuje promenljive koje imaju visok procenat nedostajuih vrednosti ili broj slogova koji je prazan.
Standardna pravila Primena pravila koja na nivou individualne promenljive odreuju netane podatke kao to su vrednosti promenljivih izvan odreenog opsega ili nedostajue vrednosti.
10
Definisanje standardnih pravila Mogue je kreirati sopstvena pravila validacije ili koristiti predefinisana pravila
Definisanje posebnih (custom) pravila Takoe je mogue kreirati posebna pravila validacije izmeu vie promenljivih, koja ukazuju na logiko neslaganje, kao na primer trudan mukarac
Sauvavanje Mogu se sauvati promenljive kod kojih se registruje krenje pravila, to se koristi kod ienja podataka i izbacivanja netanih slogova. Na kraju se kreiraju izvetaji koji sumiraju netane vrednosti i slogova.
11
SPSS Trends modul ima za cilj brzu izradu predvianja vremenskih serija kroz: Dubinsku podrku za analizu vremenskih serija Pronalaenje najboljeg modela podataka koristei Expert Modeler Primena dobijenih modela na ta - ako scenarije kako bi se donele bolje odluke
Analiza vremenskih serija je najmonija procedura koja se moe koristiti za analizu informacija, kreiranje modela, predvianje trendova i predvianje buduih dogaaja. SPSS Trends je najbolji nain da se brzo naprave kvalitetna predvianja, to omoguava da se odrede dugoroni ciljevi, znajui kako da se oni ostvare a sve na osnovu performansi organizacije u prolosti i poznavanja osobenosti grane poslovanja organizacije.
Expert Modeler
SPSS Trends dozvoljava veliku fleksibilnost pri kreiranju prognoza koristei novi Expert Modeler. Ovaj segment je posebno dizajniran kao podrka predvianju vremenskih serija. Expert Modeler omoguava : Automatski izbor najboljeg modela za podatke iz vremenskih serija Modelovanje stotina razliitih vremenskih serija odjednom, nasuprot primenjivanju jedne iste procedure vie puta za svaku promenljivu Testiranje podataka na sezonske oscilacije, kao periodinosti, nedostajuih vrednosti i odstupanja. i uoavanje
12
Dve opcije koje su potpuno nove u ovom modulu: Sauvavanje modela u XML fajl, kako bi predvianja mogla biti aurirana bez ponovnog podeavanja parametara i pravljenja modela Pisanje skriptova kako bi se auriranja obavljala automatski
13
14
Napravljen kako bi pruio vie statistike snage, ovaj modul pomae da se dobiju precizniji zakljuci. Primenjuje sofisticirane analitike metode jedne ili vie promenljivih. Predstavlja prelaz sa generalne analize na napredno modelovanje. SPSS Napredni modeli izmeu ostalih sadri i sledee mone procedure: General Linear Models (GLM) Opti linearni modeli, koja omoguava da se na fleksibilan nain opie veza izmeu jedne zavisne i skupa nezavisnih promenljivih. GLM nije ogranien samo na jedan tip podataka, ve nudi mnotvo mogunosti za pravljenje modela. Linear Mixed Models (Mixed) Kombinovani linearni modeli, predstavljaju nadgradnju GLM-a, radi dobijanja preciznijih rezultata. Korienjem ove procedure mogu se modelovati srednje vrednosti, varijanse i kovarijanse kada se radi sa podacima koji imaju ugnjedenu strukturu. Polytomous Universal Model (PLUM) Politomni univerzalni model, omoguava lako predvianje ordinalnih ishoda kada imamo vie od dve kategorije. Na primer ako se eli utvrditi kakvo je interesovanje kupaca (nisko, srednje, visoko) PLUM predstavlja prilagodljiv metod za pravljenje modela Survival analysis Analiza preivljavanja, bolje razumevanje proteklih dogaaja kroz analizu podataka o dogaajima i njihovom trajanju. Ukljuene su i vrhunske procedure Kaplan-Meier i Cox regresija. Variance Component Estimation (VARCOMP) Procena komponenti varijanse, veliki broj metoda za procenu uticaja na varijansu za svaku promenu u Mixed modelu. Mogue je lako utvrditi gde fokusirati panju pri smanjivanju varijanse. Loglinear analysis Log-linearna analiza, rad sa log-linearnim modelima u cilju lakeg predvianja ishoda.
15
Sofisticirane procedure sadrane u ovom modulu omoguavaju laki rad sa kategorikim promenljivama i viedimenzionalnim podacima. Na SPSS modul Kategorije moemo se osloniti kada je potrebno: Videti kako su povezani kolone i redovi u velikim tabelama Odrediti kako kupcii vide odreeni proizvod u odnosu na konkurenciju Raditi sa ordinalnim i nominalnim podacima koristei procedure koje su sline klasinoj regresiji, metodi glavnih komponenti itd. Sprovesti analizu regresije kada je zavisna promenljiva kategorika
Perceptualne mape
Sofisticirane tehnike redukcije dimenzija omoguavaju da se iz glomaznih tabela jasno uoe veze u podacima koristei perceptualne mape i grafike. Sumarni prikaz slinih promenljivih ili kategorija prua uvid u veze koje postoje izmeu dve ili vie promenljivih. Neke od procedura koje sadri modul SPSS Kategorije: Correspondence analysis Analiza korespodencije, opisuje veze izmeu dve nominalne promenljive u prostoru sa malo dimenzija, dok istovremeno opisuje veze izmeu kategorija za svaku promenljivu. Categorical regression Kategorika regresija, predvia vrednosti zavisne kategorike promenljive iz kombinacije nezavisnih kategorikih promenljivih. Multiple correspondence anaysis Viestruka analiza korespodencije, analiza matrice kategorikih podataka kada se sve promenljive analiziraju na nominalnom nivou. Slina analizi korespodencije, ali nije ograniena na samo dve promenljive. CATPCA Korienje naizmenine metode najmanjih kvadrata,(alternating least square) kako bi uoptili analizu glavnih komponenti i za promenljive na razliitim mernim skalama. Moe se specificirati tip transformacije promenljivih.
16
Ovaj modul ima zadatak da kreira stabla klasifikacije i stabla odluivanja kako bi se identifikovale grupe, otkrile veze i predvideli budui dogaaji. Kreiranjem ovih vizuelnih stabala prua se mogunost prezentacije rezultata na intuitivan nain, kako bi ih bolje razumeli ljudi bez potrebnih predznanja. etiri algoritma obuhvaena ovim modulom razlikuju se od tradicionalnih statistikih procedura, jer ovi algoritmi daju stabla koja dozvoljavaju bolje prouavanje rezultata i pruaju nain da se vizuelno utvrdi kako funkcionie model. Laka identifikacija podgrupa i veza u podacima postie se razlaganjem podataka na vorove i grane, kako bi se jasnije videle granice odreene grupe. Od 4 ponuena algortima trebalo bi izabrati onaj koji najbolje odgovara vrsti podataka, to se moe postii ili probom ili preputanjem amom modulu da izabere najprikladniji. Pomenuti algortimi su: CHAID Statistiki viestruki algoritam, brzo pretrauje podatke i gradi segmente u zavisnosti od eljenog ishoda. Exhaustive CHAID Modifikacija CHAID-a koja ispituje sve mogue podele za svaki prediktor (nezavisnu promenljivu). Classification & Regression Trees (CRT) Klasifikaciona i regresiona stabla, kompletan algoritam za binarna stabla, koji razdvaja podatke na delove po slinosti i na taj nain pravi precizne homogene podgrupe.
17
QUEST Statistiki algoritam koji selektuje promenljive bez odstupanja i gradi vrlo tana binarna stabla efikasno i brzo.
Kada se kreiraju stabla klasifikacije mogu se podrobnije prouiti podaci i na taj nain stei bolji uvid u odreenu grupu i onda prei dalju analizu ove grupe.
Izbor odgovarajueg algortima Odabir jednog od 4 algoritma (CHAID, Exhaustive CHAID, CRT, QUEST)
18
Korienjem vizuelnog stabla otkriti veze Omoguena je laka inetrpretacija pomou dijagrama, tabela i grafova. Formiranjem stabala klasifikacije mogu se otkriti veze koje se ranije nisu mogle uoiti u podacima.
Primena reultata na podatke Automatski odaabir slogova ili runo oznaavanje kao i sauvavanje pravila za kasniju upotrebu.
19
Kada se koriste sloeni uzorci kao to su stratifikovani, klasterovani ili uzorci koji se uzimaju iz vie etapa - vieetapni, potrebne su specijalne statistike tehnike koje uzimaju u obzir oblik uzorka i njegovu standardnu greku. SPSS Sloeni Uzorci sadri sve to je neophodno za rad sa ovakvim uzorcima od faze planiranja preko uzorkovanja do analize. Konkretno, ovaj modul prua sledee mogunosti: Logistika regresija (Logistic Regression) Predvianje ishoda kategorikih promenljivih (npr. koja vrsta ljudi je najverovatniji kupac odreenog proizvoda), uzimajui u obzir oblik uzorka kako bi tano identifikovali grupe. Opti linearni modeli (General Linear Models) - Predvianje numerikih ishoda uzimajui u obzir oblik uzorka. Intiutivni wizard za uzorkovanje Prolaz korak po korak kroz proces dizajniranja uzorka i samog uzorkovanja. Wizard za pripremu podataka za analizu Pomo pri pripremi velikih, javnih setova podataka kao to su npr. podaci iz anketa nacionalnih centara za zatitiu zdravlja. Laka kolaboracija sa saradnicima Lako meusobno deljenje planova za uzorkovanje i analizu. Preciznija analiza Postoji mogunost definisanja do tri nivoa kada se radi sa vieetapnim uzorcima.. Preciznija slika o podacima Za razliku od tradicionalnih statistika, kod procene podgrupe populacije, uzimaju se u obzir druge podgrupe populacije. U SPSS Complex Samples modulu podrani su sledei sloeni oblici uzorka Stratifikovano uzorkovanje (Stratified Sampling) Moe se ostvariti poveanje preciznosti uzorka ili obezbediti reprezentativni uzorak prikupljanjem podataka samo iz kljunih grupa. (kljuna grupa moe biti npr. ljudi odreenog zanimanja ili starosti, itd.)
20
21
Ovaj modul prua podrobno razumevanje preferencija potroaa i osetljivost na cenu. Korienjem conjoint analize mogu se otkriti informacije koje govore kako potroai porede proizvode na tritu i koje su u stanju da izmere kako to individualne osobine prizvoda utiu na ponaanje kupaca. Kada se steknu ova stanja, mogu se osmisliti proizvodi, njihova cena, marketinki nastup, i pratee usluge koje najbolje odgovaraju potrebama kupaca. Generalno ovaj modul se koristi kada je potrebno otkriti: Koje karakteristike proizvoda ili usluge utiu na odluku o kupovini? Koje kombinacije osobina e imati najvie uspeha? Koji segment trita je najvie zainteresovan za proizvod? Koje marketinke poruke e imati najvie uspeha u tom segmentu? Koja je optimalna cena za proizvod ili uslugu? Ko su najblii konkurenti na tritu?
SPSS Conjoint nudi sve procedure potrebne za planiranje, implementaciju i analizu conjoint ankete. Koristei sledee tehnike otkrivamo kako potroai rangiraju osobine proizvoda: Ortoplan (Orthoplan) Pravi ortogonalni niz kombinacija osobina proizvoda, dramatino smanjujui broj pitanja koja se moraju postaviti u anketi, istovremeno obezbeujui dovoljno informacija da se obavi puna anliza.
22
Conjoint Procedura (Conjoint Procedure) - Dobijanje rezultata na osnovu kojih se moe praktino delovati, kao npr. koje osobine proizvoda su vane, i u kom stepenu su one najvanije. Pored toga omoguena je i simulacija koja govori koji deo trita bi se osvojio sa razliitim proizvodima.
23
Ovaj modul sadri sve potrebne statistike i testove neophodne za rad sa pomenutim uzorcima, ukljuujui: Tane p-vrednosti (Exact p-values) Monte Karlo p-vrednosti (Monte carlo p-values) Pirsonov hi-kvadrat test (Pearson Chi-squared test) Dvodimenzionalni linearni test asocijacije (Linear by linear association test) Koeficijent kontigencije (Contingency coefficient) Koeficijent nesigurnosti coefficient) simetrini ili asimetrini (Uncertainty
Vilkoksonov test dodoeljenog ranga (Wilcoxon signed-rank test) Kokranov Q test (Cochrans Q test) Binomni test (Binomial test)
SPSS Tani testovi modul osigurava postojanje pravog testa za konkretne podatke i pogodan je za korienje kada se: Operie sa malim brojem slogova Radi sa promenljivama ije su vrednosti uglavnom u istoj kategoriji Detaljno razlau podaci Vri pretraivanje retkih pojavljivanja u velikim setovima podataka
24
Ovaj modul omoguava transformisanje SPSS podataka u demografske informacije. Sticanjem boljeg uvida u to kako geografske promenljive utiu na organizaciju, stvaraju se uslovi za kvalitetnije donoenje odluka. SPSS Mape su odlino integrisane u SPSS radno okruenje obezbeujui lak nain da se podaci transformiu u vizuelne mape, lake za tumaenje. Kljune mogunosti modula SPSS Mape: Moan alat za prikaz vizuelnih mapa Raspodela vrednosti promenljive se prikazuje preko mape kao gustina taaka, histogramima, pita dijagramima, simbolima gradiranim po veliini, razliitim senenjem ili bojenjem u nijanse. Viestruki tematski slojevi Kombinovanje vie tematskih slojeva i izbor slike u pozadini daje realistinu mapu visokog kvaliteta. Povezivanje podataka Automatsko povezivanje podataka sa mapama Geoset Menader Brzo konvertovanje mapa iz drugih izvora u kompatibilne podatke, pri emu se sve eventualne neusklaenosti se automatski konvertuju. Sumarne statistike mape Automatsko prikazivanje sumarnih statistika za celu mapu ili za neki izabrani region. Automatsko obeleavanje mape Izbegava se vremenski zahtevan posao pravljenja legende za mapu (Automatic Chart Labeling eliminates tedious thematic key formation ). Probni setovi podataka Obuhvataju demografske podatke iz Claritas Inc-a za brzu analizu i setove podataka iz MapInfo- za demografska poreenja. SPSS Sintaksni editor pristup procesu mapiranja jednim klikom (access to production mapping). Fleksibilnost izlaznih podataka Mape se mogu eksportovati kao standardni grafiki fajlovi, laki za distribuciju ukljuujui i Web.
25
Na kraju moe se rei da SPSS Mape proiruje analizu podataka na sledee naine: Analiziranjem relevantnosti geografskih promenljivih Interpretacijom podataka najprofitabilnijih kupaca o prodaji i utvrivanjem lokacije
Prikazivanjem trendova prodaje, stope kriminala ili drugih podataka za odreene lokacije. Otkrivanjem gde se nalaze kupci ili klijenti koji najvie odgovaraju predvienom profilu kupca.
26
ak i kod najbolje osmiljenih i nadgledanih studija i anketa, mogu se javiti nedostajui podaci ispitanik grekom preskoi pitanje, odgovor je neitak ili postoje tehniki problemi. SPSS Analiza nedostajuih vrednosti prua mogunost brzog i lakog dijagnoziranja nedostajuih podataka, kako bi se popunile praznine i dobili bolji podaci. Kada se nedostajue vrednsoti zanemare ili potpuno iskljue, postoji rizik da rezultati ne budu validni i nemaju znaaja. Odreivanje uticaja koji imaju nedostajui podaci ovaj modul ini pomou sledeih tehnika: est prikaza (six tailor-made displays) Podaci se mogu ispitati iz vie razliitih uglova koristei 6 dijagnostikih izvetaja, kako bi se otkrilo da li postoji neko pravilo ablon pojavljivanja nedostajuih podataka Dijagnostikovanje problema nedostajuih vrednosti Iz izvetaja o pravilnostima koje postoje u podacima, stie se detaljni uvid u podatke do nivoa jednog sloga. Kada se identifikuju tipovi nedostajuih vrednosti i sve ekstremne vrednosti za svaki slog, moe se utrditi u kom obimu nedostaju podaci. Bolja sumarna statistika Prilagoavanjem na nedostajue podatke dobija se taniji opis podataka. Na raspolaganju je vie algoritama za prilagoavanje na nedostajue podatke. Popunjavanje nedostajuih podataka Umesto vrednosti koje nedostaju upisuju se procene tih vrednosti, i poveava ansa da se dobiju statistiki znaajni rezultati. Predvianje nedostajuih vrednosti se vri na osnovu ostalih podataka pomoi EM algoritma i regresiju.
27
Otkrivanje nedostajuih podataka Prvo se istrai gde se se nalaze nedostajue vrednsoti i u kom obimu
Precizna analiza koja obuhvata sve slogove Procena srednjih vrednosti, standardne devijacije, kovarijanse i korelacije koristei ponuene algoritme kako bi obuhvatili i slogove gde nedostaju podaci.
28
Ovaj modul svojim irokim spektrom nelinearnih procedura za modelovanje predstavlja nain za pravljenje finijih modela za analizu. Neke od ovih procedura su: Polinomna logistika regresija (Multinomial Logistic Regression MLR) Predvianje ishoda kategorikih promenljivih sa vie od dve kategorije. Nema ogranienja kao to su da-ne odgovori, ova procedura dozvoljava izbor faktora po kome se predvia, npr koji je faktor ako kupac kupuje proizvod A, B ili C. Ova procedura se moe sprovoditi postepeno odabirom jedne od 4 metode za izbor prediktora: Unos unapred, eliminacija od pozadi, postepeno unapred i postepeno od pozadi. Korienjem metode Lagranovih mnoitelja i Voldovog (Wald) testa moe se brzo i precizno doi do rezultata. Primenom odgovarajueg algoritma moe se raditi i sa velilim setovima podataka. Specificiranjem referentne kategorije kod izlazne promenljive, putem korisnikog intefejsa, izbegava se ponovno kodiranje postavke zavisne promenljive u eljenoj referentnoj kategoriji()
Save time by specifying the reference category in your outcome variable in the user interface. You no longer need to recode the dependent variable set up in the desired reference category.
Primenom Akakike kriterijuma za informacije (Akakike Information Criterion - AIC) i Bajesovog kreiterijuma za informacije (Bayesian Information Criterion - BIC) moe se oceniti valjanost modela. Binarna logistika regresija (Binary Logistic Regression) Predvia dihotomne promenljive kao to su: kupiti ili ne kupiti, glasati ili ne glasati itd. Ova procedura nudi vie metoda kojima se korak po korak selektuju efekti koji najbolje odgovaraju promenljivoj koja se predvia.
This procedure offers many stepwise methods to select the main and interaction effects that best predict your response variable
Nelinearna Nelinearna
regresija (Nonlinar Regression - NLR) i Ograniena regresija (Constrained Nonlinar Regression - CNLR)
29
Pruaju bolju kontrolu nad modelom. Ove procedure predstavljaju dva metoda za procenu parametara nelinearnog modela. Regresija ponderisanih najmanjih kvadrata (Weighted Least Square Regression - WLS) - Dodeljivanje znaaja merenjima u jednoj seriji merenja. Probit analiza (Probit analysis - PROBIT) Analiziranje kako se menja odgovor u anketi u zavisnosti od odreenih stimulansa, npr. doza leka, razliite cene proizvoda itd. Ova procedura ocenjuje uticaj stimulansa na osnovu procenta uzorka na koji stimulans ima dejstva.
Ovaj modul se koristi kod razliitih oblasti istraivanja trita, medicinskih istraivanja, oblasti bankarskog poslovanja itd. Generalno SPSS Regresione Modele koristimo kada: Predviamo ishod kategorike promenljive Veza izmeu rezultata i prediktora nije linearnog karaktera Podaci ne ispunjavaju pretpostavke za linearnu regresiju
Ovij modul prua mogunost pretvaranja anliize u visoko kvalitetne tabelarne izvetaje. SPSS Tabele obuhvataju sve neophodne tehnike za lako kreiranje i rad sa tabelama. Najvanije mogunosti su: Pregled tabela tokom kreiranja Pregled tabele tokom odabira promenljivih i opcija tabele pomou jednostavnog korisnikog intrefejsa Kontrola rezultata tabele Ponuen je veliki broj formata za prikaz kako bi se predstavili viedimenzionalni podaci preko dvodimenzionalne tabele, i generisanje odgovarajueg pogleda na tabelu Podeavanje strukture tabele mogu se iskljuiti odreene kategorije, prikazati polja sa nedostajuim vrednostima, kao i dodati meurezultati u tabelu.
30
Prevlaenjem se vri izbor promenljivih u prozor za kreiranje tabele i vidi se izgled tabele u toku kreirana
31
Mogu se dodati sumarne statistike, kao i meurezultati kako bi se bolje razumeli konani rezultati
Kada su sve promenljive smetene kako je planirano, pritiskom na OK kreira se finalna tabela. Takoe se rezultati mogu eksportovati u excel ili word.
32
Pored analitikih alata, koristei SPSS Server organizacija moe postii veu prilagodljivost i poveati performanse putem bre obrade, lakim pristupom podacima i centralizacijom podataka. Kada se pomenuti analitiki alati i tehnike koriste zajedno sa SPSS Server modulom, to predstravlja dobru osnovu za bolje donoenje odluka u organizaciji Konkretnije SPSS Server omoguava: Obradu podataka na serveru, umesto na klijentskoj maini Direktan pristup podacima preko servera oslobaajui resurse na svakom pojedninom raunaru Obezbeivanje sigurnosti preko zatitnog protokola i zahtevanjem logovanja i lozinke za pristup serveru Dodatne alate za pripremu podataka i kreiranje izvetaja
33
Bez obzira na granu industrije, za organizaciju je od krucijalnog znaaja da sakupi sve neophodne podatke i maksimalno ih proanalizira, kako bi se stekla potpuna slika a ne samo bacio pogled na podatke. SPSS nudi pomone softverske alate koji se mogu koristiti uporedo sa SPSS for Windows. Oni su dobro uklopljeni kako bi ostvarili kapacitet za kompletniju analizu.
AMOS 6.0
Amos 6.0 ima za cilj da podigne nivo analize omoguavajui: Lako strukturno modelovanje jednaina (Structural Equation Modeling - SEM) Brzo pravljenje modela radi utvrivanja uticaja koje promenljive imaju jedna na drugu Korak vie od regresione analize
Ponekad korienje tradicionalnih statistikih metoda jednostavno ne daje zadovoljavajue rezultate. Mnogi istraivau se tada okreu strukturalnom modelovanju jednaina i Amos softveru kako bi nainili korak vie od tradicionalnih tehnika i otkrili kompleksne veze u modelima.
T eh ni k a a na l i z e p o v i e p r o m e nl j i v i h u o k v i r u s tr u k tu r no g m o d el o v a nj a j e d n a i na u s m e r a v a i na d o gr a u j e s ta n d a r d n e
34
m e to d e , u k l j u u j u i r e gr e s i j u , f a k to r s k u a na l i z u , k o r e l a c i o nu i a na l i z u v a r i j a ns e . Amos je odlian alat za modelovanje sa mnotvom namena a naroito je pogodan za Istraivanje trita Analiziranje zadovoljstva idreenom brendu ili navika pri kupovini kupaca, vernosti
Poslovno planiranje Kreiranje ekonometrijskih i finansijskih modela Ocenjivanje akademskih programa Ocena rezultata programa ili modela ponaanja
Izbor izvora podataka Mogu se uneti podaci raznih formata (SPSS, Excel, tekstualni fajlovi i mnogi drugi). Amos takoe prima podatke u matrinom obliku ako je ve izraunata korelaciona ili kovariocina matrica
Specifikacija modela Brzo specificiranje prostim prevlaenjem, Klikom na objekte mogu se menjati vrednosti parametara
35
Izbor karakteristika analize Izbor eljenih karakteristika kao to su standardizovana procena parametara, a mogue je i ograniiti vrednost parametara radi preciznijeg modela.
Pregled rezultata Rezultati u Amos-u daju standardizovane i nestandardizovane procene kovarijansi regresionih pondera. Objanjenja analize se mogu nai u Help-u.
36
SPSS Text Analysis for Surveys omoguava izvlaenje maksimalne vrednosti iz odgovora na otvorena pitanja ali bez trokova i velikog angaovanja vezanih za runu obradu odgovora. Specijalno dizajniran za rad sa tekstom iz anketa, ovaj softver je zasnovan na automatskoj LexiQuest softverskoj tehnologiji - prirodna obrada jezika (Natural Language Processing - NLP). Pomou ove tehnologije moe se automatizovati kreiranje kategorija i kategorizacija odgovora kako bi nestruktuirana anketa transformisala u merljive podatke bez potrebe da se itaju odgovori od rei do rei. Upotrebom SPSS Text Analysis for Surveys pruen je bolji uvid u tekstualne odgovore korienjem sledeih mogunosti: Tehnologija ekstrakcije termina zasnovana na reniku - Softver se dobija sa neophodnim resursima za automatizaciju izvlaenja termina iz teksta. Lako se moe prilagoditit dodavanjem u renik termina koji su potrebni kod odreene ankete Dokazane lingvistike tehnologije Proizvod je zasnovan na NLP tehnologiji koja omoguava brzo i pouzdano kreiranje kategorija i kategorizaciju odgovora Velike vizuelne mogunosti Analiza pojavljivanja odreenog odgovora pomou mrenih grafova, histograma ili tabele kako bi se otkrila povezanost izmeu kategorija Sauvavanje i ponovna upotreba kategorija Uteda vremena i vea pouzdanost kod rada sa istim ili slinim istraivanjima Eksportovanje rezultata u SPSS ili Excel Analiziranje ili grafiko predstavljanje u drugim sofverima
37
Pristup tekstualnim odgovorima Moe se pristupiti velikom broju izvora podataka ukljuujui SPSS for Windows, Microsoft Excel, kao i the Dimensions Data Model.
Izvlaenje kljunih termina Jednostavnim klikom na extarct dugme automatski se prepoznaju kljuni termini iz tekstualnih odgovora i kreira se lista termina, tipova i paterna. Jednostavni i koncepti od vie rei se kodiraju bojama (npr ljubiasta boja ako je odgovor pozitivan). Na radnom prozoru se mogu videti svi dati odgovori na odreeno pitanje.
Kreiranje kategorija i kategorizacija odgovora Jednostavnim klikom na dugme za kreiranje kategorija automatski se razrstaju odgovori po
38
Rafiniranje kategorija Vizuelne mogunosti dozvoljavaju usavravanje kategorija putem prepoznavanja koje kategorije se stalno pojavljuju i na taj nain se identifikuju. Ovo znaajno olakava runo rafiniranje kategorija.
Slanje rezultata na analizu i grafiko predstavljanje Kada su kategorije zadovoljavajue formirane, one se koriste za kreiranje grafika i tabela. Podaci se naravno mogu poslati u SPSS for Windows na dalju analizu.
39
Bez obzira na nivo statistikog predznanja Answer Tree pomae da se kreiraju stabla odluivanja kako bi se lako identifikovale grupe ljudi od najvee vanosti i razumelo ta utie na njihove odgovore. Answer Tree podie analizu i modelovanje na vii nivo koristei sledee osobine: Rad sa postojeim sistemom - Ovaj softver moe raditi samostalno ili u okiru SPSS-a Jasan prikaz stabala odluaivanja Mogu se brzo uoiti segmenti i pravilnosti koje postoje u podacima. Grane stabla se mogu skupiti ili zumirati do pojedinanog vora. Takoe se mogu koristiti sumarne statistike i grafici kako bi se bre dolo do zakljuaka Interaktivno kreiranje stabla Kada se ine odreena podeavanja stabla, rezultirajue promene se odmah prikazuju. 4 algoiritma Izbor algoritma koji najbolje odgovara podacima. Ponueni su : CHAID, Exhaustive CHAID, CRT i QUEST Grafici za procenu modela pravljenje grafika koji pokazuju valjanost modela kroz razliita ocenjivanja modela, kako bi se primetilo gde model daje najbolje rezultate Prilagodljivi algoritmi ak i kod veoma velikog obima podataka, mogu se efikasno putem intuitivnog korisnikog interfejsa uz nekoliko klikova kreirati stabla odluivanja.
Lak korisniki interfejs koji ima Answer Tree doputa prilagoavanje modela odreenoj situaciji. Pouzdani podaci se osiguravaju putem provere modela na malom delu podataka, pa tek onda na preostalom delu. Dobar model trebalo bi da obezbedi fokusiranje samo na eljene segmente. Generalno Answer Tree se koristi za: Pravljenje bolje usmerenih kampanja putem pote Kreiranje ponude prema grupama kupaca Pravljenje kampanja za zadravanje pridibijenih klijenata Razvoj efektivnijih vladinih programa i usluga
40
Lak pristup podacima Brzo se pristupa najpoznatijim bazama podataka preko wizard-a. Takoe se direktno pristupa SPSS, Excel i ASCII fajlovima
Brzo pravljenje modela Postoje tri naina za pravljenje modela ukljuujui i intuitivni wizard.
41
Lako uoavanje vanih segmenata i faktora Dijagrami stabala, tabele i grafici su laki za tumaenje. Pomou stabala se vide veze koje su bile skrivene u podacima.
Fino podeavanje modela Mogue je poboljati model, prvo ga probajui na malom delu podataka, pa tek onda utvrditi pouzdanost na ostatku podataka.
Donoenje sigurnih odluka Mogue je poveati pouzdanost analize pregledom raznih izvetaja o tanosti modela i procenjenoj greci
42
Korienje rezultata Mogue je lako ponovno koristiti dobijene rezultate. Jednostavno se sauvaju kao SPSS sintaksa ili SQL naredba i mogu se koristiti.
SPSS Unos podataka omoguava da se iskoriste prednosti fleksibilno osmiljene ankete, bilo da je u pitanju tampana ili on-line anketa. Zahvaljujui odlinoj integracioji sa SPSS for Windows-om, posle prikupljanja i automatskog ienja podataka direktno se prebacuje u fazu analize u jednom koraku.
43
Precizno definisanje promenljivih posle dizajniranja ankete : 4) Definiu se pravila u podacima, 5) I SPSS Data Enty Builder se brine da se prikupe precizni podaci 6)
Prikupljanje podataka za manje vremena Koristei alate za unos osoblje koje unosi podatke bie u stanju da za manje vremena dobija tanije podatke vodei ispitanike samo kroz relevantna pitanja.
44
Sample power upotpunjava liniju SPSS softvera za istraivanja i analizu, pomaui da se identifikuje odgovarajua veliina uzorka za razliite kriterijume istraivanja. Cilj je pronai pravi balans izmeu nivoa poverenja, statistike moi i veliine uzorka. Taj cilj se postie koristei lak korisniki interfejs preko kog se vrlo brzo dobijaju statistiki prorauni koji pruaju jasne i precizne odgovore koji su neophodni za dalje istraivanje.
45
Brzo sprovoenje analize Interaktivni vodi omoguava glatko sprovoenje analize. Vodi objanjava termine koji se koriste i prolazi kroz korake neophodne za odreivanje veliine uzorka
Donoenje pravih odluka u svakom koraku Interaktivni sumarni podaci u svakom trenutku pokazuju preciznost analize, kako bi se videlo kako svaka odluka utie na rezultate
Procena rezultata pre poetka istraivanja Pomou alata Stored Scenarios moe se upravljati tokom istraivanja. Promenom razliitih parametara moe se videti uticaj na rezultate
46
Procena uticaja kriterijuma istraivanja na statistiku mo Pomou tabela i grafika moe se oceniti kako razliite kombinacije parametara istaivanja utiu na statistiku mo
Korienje koenove (Cohen) konvencije postoji alat koji koristei ovu konvenciju moe poveati preciznost analize
Odreivanje veliine uzorka u jednom kliku Koristei odgovarajui alat moe se odrediti veliina uzorka za zahtevanu statistiku mo.
47
Deljenjem startekih informacija sa onima kojima su najpotrebnije, koristei SmartViewer WebServer, mogu se doneti bolje odluke. Analitiari jednostavno objave izvetaje iz SPSS for Windows i oni se smetaju u SmartViewer WebServer zatienu bazu podataka. Nakon toga korisnici informacija pristupaju izvetajima koristei standardni internet pretraiva. Nisu potrebni nikakvi dodatni download-ovi, plug-in-ovi ili instalacije. Na ovaj nain formira se centralizovano skladite svih analiza organizacije, ukljuujui i pivot tabele, grafike, OLAP izvetaje i HTML sadraje.
48
MR INTERVIEW 3.0
Ovaj softver se koristi za kreiranje isprovoenje anketa. omoguava: Centralizaciju podataka iz ankete i analize Kreiranje vizuelno dopadljivih anketa bilo da su u pitanju ankete putem Web-a, telefona, tampane ili preko prenosivih ureaja Pregled i interakciju sa podacima u vezi istarivanja
mrInterview je kompletno reenje za upravljanje velikim i malim web projektima na maksimalno efikasan nain. Sadri sve to je neophodno za kreiranje i sprovoenje anketa kao i izvetavanje putem internet pretraivaa. sa lakoom se sa faze projektovanja ankete prelazi na aktivaciju i testiranje i na kraju analizu podataka i eksportovanje rezultata. mrInterview se moe prilagoditi nivou znanja zaposlenih, od poetnika do eksperata, omoguavajui kreiranje jednostavnih ili kompleksnih anketa. Bez obzira da li organizacija sprovodi par anketa godinje ili vrlo esto skuplja podatke, mrInterview se moe prilagoditi potrebama. Putem ovog softvera, moe se obezbediti sigurnost podataka putem dodeljivanja razliitih nivoa pristupa razliitim korisnicima. Nivo pristupa varira od punog pristupa za osobe kao to su kreatori anketa, do minimalnog pristupa pregledu rezultata klijentima. Svi korisnici pristupaju preko zajednikog interfejsa, ali je nivoom pristupa regulisano ko emu moe pristupiti. Kako bi sadraj dostupnih materijala bio bezbedan, podaci se mogu uvati na posebnoj maini zatienoj Firewall-om. Takoe se lako mogu dodati drugi specijalizovani sistemi zatite. Generalno, mrInterview je pravo reenje kada organizacija eli: Platformu za prikupljanje podataka integrisanu sa SPSS for Windows-om Softver koji je prilagodljiv velikoj koliini podataka Siguran on-line pristup za korisnike Pogodan nain da se usmeri istraivaki proces Mogunost sprovoenja istraivanja na bilo kom jeziku