更智能的算法、更敏銳的洞察、更迅速的決策
即刻增強您的數據分析能力
借助先進的算法、直觀的功能增強的功能配置，開啟數據認知的新維度
突出
使企業能夠提供個性化的促銷和實時導航幫助
衡量超越簡單相關性的依賴關系
可視化多因素連接以查找隱藏的分組和關系
清除時間數據中的噪聲，以便更好地識別和預測趨勢
IBM? SPSS? Statistics 是一種端到端的本地統計解決方案，可簡化跨行業的高級統計分析。它廣泛用于數據準備和管理、高級數據分析、預測模型和數據可視化。它提供全面的資源、專家支持和久經考驗的可靠性，將復雜的數據轉化為有影響力的決策。它旨在幫助研究人員、數據分析師、統計學家和教育工作者，以及業務專業人士從他們的數據中提取可作的見解。我們的解決方案提供了一套強大的工具，可以處理任何類型的分析，從基本的描述性統計到復雜的多變量方法。
零售、包裝消費品、電子商務、醫療保健、政府、批發分銷和服務、制造和供應鏈等個人和組織廣泛使用，他們尋求一種先進的統計解決方案，該解決方案可以通過易于使用、準確、可靠和安全的解決方案來簡化復雜的統計測試。
IBM SPSS Statistics 支持多種數據格式和直觀的界面，通過圖形和圖表將數據轉化為有價值的洞察和引人入勝的可視化。它在數據準備、統計建模和報告方面的全面功能使組織和數據專業人員能夠做出明智的數據驅動型決策。
IBM? SPSS? Statistics V31 引入了一套全面的新算法、一流的功能和產品增強功能，旨在優化數據分析功能和用戶體驗。它通過提供一組強大的工具來驗證假設、分析過去的績效和預測趨勢，使組織能夠通過臨時分析、假設檢驗和預測分析來評估數據。它帶來了新功能，例如鄰近映射、距離關聯、時間序列篩選、STATS Earth 和條件推理樹，以及令人興奮的新引入，例如精選幫助。
IBM SPSS Statistics V31 聚焦
鄰近映射
通過基于多因素（而不僅是地理位置）的關聯映射，可視化潛在分組并理解復雜關系。
PROXMAP 或鄰近映射是指一種用于地理、生物學和技術等各個領域的技術，用于分析和可視化不同元素或實體之間的關系或距離。鄰近地圖有助于研究人員、規劃師和分析師了解所研究元素的空間或關系動態。這項研究有助于決策、識別模式、優化系統等。它涉及測量地理要素之間的距離以了解其空間關系。這包括計算點、線或多邊形之間的距離，通常用于地理信息系統 （GIS） 中，以分析空間模式和交互。
此功能使企業能夠提供個性化的促銷和實時導航幫助，從而增強零售店、購物中心、機場和醫院的客戶體驗。通過位置數據了解客戶行為，公司可以實施高度針對性的營銷活動，提高轉化率并促進沖動購買。此外，鄰近地圖可以優化庫存管理和更高效的員工分配，最終提高運營效率。早期采用者通過提供先進的個性化體驗來提高客戶忠誠度，從而獲得競爭優勢，而收集到的豐富行為洞察可幫助企業快速識別和適應新興趨勢。
主要優點：
多維縮放 （MDS） 中的鄰近映射在各個領域中具有重要的商業價值。該技術使企業能夠可視化和分析數據點之間的復雜關系，從而帶來幾個主要好處：
客戶洞察和細分：通過采用基于 MDS 的鄰近性，根據客戶數據進行映射，企業可以識別具有相似偏好、行為或特征的客戶集群。這種細分對于有針對性的營銷策略、個性化產品和提高客戶滿意度非常寶貴
市場理解和競爭分析：鄰近地圖繪制有幫助企業可以深入了解市場動態、競爭定位和品牌認知度。通過根據客戶感知或市場屬性映射產品、服務或品牌，企業可以確定市場趨勢、競爭優勢和差異化領域
供應鏈優化：鄰近地圖有助于優化供應鏈運營。通過繪制供應商、配送中心和需求點之間的空間關系，企業可以簡化物流、降低運輸成本、最大限度地縮短交貨時間并提高整體供應鏈效率
風險管理和決策：鄰近地圖有助于跨各種業務職能進行風險評估和決策。在金融和投資領域，它有助于投資組合多元化、資產配置、風險緩解以及識別資產之間的相關性，從而做出明智的投資決策
距離關聯
提示數據集之間的各類關系（包括非線性關系），從而更全面地了解數據的內在聯系。
在金融和投資領域，距離相關性是衡量兩個隨機變量或數據集之間統計依賴性的指標，可捕獲線性和非線性關系。這是檢查兩個數值變量之間是否存在關系的可靠且通用的方法。在統計分析中，了解兩者之間的關系變量是根本。傳統方法，例如 Pearson 相關系數僅限于捕獲線性關聯。但是，真實世界的數據，尤其是在金融行為的背景下，通常表現出線性方法可能無法檢測到的非線性或復雜依賴關系。這就是距離相關性派上用場的地方，因為它是一個更通用的指標，可以檢測變量之間任何形式的統計依賴性（線性或非線性）與僅測量線性依賴性的 Pearson 相關不同，距離相關考慮了復雜的關聯，使其在高維數據分析中很有用。當且僅當變量在統計上獨立時，它才等于零。因此，距離相關性是揭示多維數據集中復雜交互的有效工具，因為它可以分析模式可能不遵循直線關系的行為或人口統計變量。
主要優點
捕獲非線性依賴關系：計算所有變量組合的成對相關性，檢測線性和非線性關系，這與傳統方法不同
靈活的歸一化：提供多種方法（MINMAX、ZSCORE、ROBUST、LOG）對數據進行歸一化，增強對不同分布和異常值的適應性
穩健的顯著性測試：支持具有可自定義選項的排列測試，以便在小型或非正規數據集上進行可靠推理
全面的輸出：提供詳細的表格和散點圖可視化效果，以便清楚地了解數據關系
應用范圍廣：由于其能夠處理高維非線性數據，因此非常適合生物信息學（例如基因表達分析）、金融（例如投資組合風險評估）、機器學習（例如特征依賴分析）、社會科學（例如調查數據關系）和環境科學（例如氣候變量相互作用）等領域
時間序列過濾器
通過有效消除時序數據中的噪聲和無關波動，明確趨勢識別并提升未來預測準確性。
Time Series Filter 基本上是為了解決嘈雜的時間依賴性數據的挑戰而設計的。通過采用 Hodrick-Prescott （HP） 濾波器、Baxter-King （BK） 濾波器和 Christiano-Fitzgerald （CF） 濾波器等高級濾波器，它使用戶能夠更清楚地了解其數據的潛在行為，從而實現更準確的預測、改進的異常檢測和增強的實時監控能力。
時間序列篩選提供了幾個廣泛的優勢，這些優勢對于有效的數據分析和預測至關重要。它有助于識別長期趨勢、周期性模式和季節性模式，這對于理解數據的總體方向和周期性行為至關重要。此外，它還可以提高預測模型的準確性，并有助于檢測異常、確保數據完整性和早期識別潛在問題。這些優勢共同有助于實現更可靠、更深入的時間序列分析。
主要優點：
更好的預測：清理后的數據沒有分散注意力的噪音，可以更準確地預測未來趨勢
改進的異常檢測：有效過濾掉正常波動，從而更容易檢測時間序列中的真實偏差和異常事件
高效決策：揭示未知的潛在趨勢和模式，使企業能夠對變化做出快速和戰略性的反應
更清晰的趨勢識別：使數據中的長期模式和周期更加明顯，有助于更深入地了解潛在動態
增強的實時監控：提供更流暢、更穩定的流數據視圖，從而提高實時警報和見解的準確性
條件推理樹
采用精心選擇分裂因素并規避常見偏差的方法，構建更準確、更可行的預測模型。
它是一種決策樹，它使用統計測試來選擇用于拆分數據的變量。這種方法避免了與傳統決策樹相關的偏差，傳統決策樹通常使用基尼系數等度量。條件推理樹通過同時考慮所有其他效應，更擅長確定預測變量的真實效應
主要優點
減少偏差：與可能依賴有偏差測量的傳統決策樹不同，這些決策樹使用統計測試來選擇變量，從而減少選擇過程中的偏差
統計顯著性：此方法可確保數據中的拆分具有統計顯著性，從而提高模型的穩健性并有助于做出更自信的決策
避免過擬合：通過使用統計測試來指導拆分過程，與傳統決策樹相比，條件推理樹不易出現過擬合，從而使模型更好地泛化到新數據
精選幫助
該功能亦稱“智能輸出”，通過直觀提示輕松解讀相關性分析結果，無需記憶統計術語，快速獲得洞察
當對數據集執行某個統計過程時，此功能將幫助用戶獲取有關表 （output） 中某些值的更多信息。此功能是為 Correlation Procedures 實現的。
STATS Earth
通過捕捉非線性模式和變量之間的復雜交互作用，構建針對復雜結果的精密預測模型。
多元自適應回歸樣條曲線 （MARS） 概述 MARS 過程在 SPSS 中作為 STATS EARTH 實現，它通過擬合分段線性段和獨熱編碼的虛擬變量來構建預測模型，以對非線性和交互作用進行建模。
Grey Out 功能
非許可的算法/功能列表將以深灰色字體顯示，并帶有一個鎖定圖標，使用戶能夠了解他們應該購買高級算法以進行高級分析。用戶還將獲得購買灰色算法/功能的步驟。
用戶體驗增強
增強的深色模式體驗
暗模式界面已得到顯著改進，可提供視覺上更舒適和身臨其境的體驗。增強功能包括改進的對比度級別、所有 UI 組件中的一致調色板以及優化表格、圖表和文本的可讀性。
可自定義的 Excel 導入，帶有標題行選擇
用戶現在可以指定在導入過程中應將 Excel 文件中的哪些行視為標題。這對于在實際數據上方包含介紹性注釋或元數據的數據集特別有用。它確保準確的變量命名和數據對齊，從而簡化數據準備工作流程。
實驗設計 （DoE） 技術的搜索欄
DoE 模塊中添加了一個新的搜索欄，允許用戶快速定位和訪問各種實驗設計技術。此功能增強了可發現性和效率，特別是對于使用復雜或不熟悉的設計方法的用戶。
為數據透視表、圖表和查看器文本創建輸出主題
用戶現在可以創建并保存自定義輸出主題，這些主題將他們喜歡的數據透視表、圖表和查看器文本樣式捆綁在一起。這些主題可以在項目中重復使用，以促進報告的一致性并減少花費在格式設置上的時間。
變量視圖中的持久列寬
現在，在“變量視圖”中對列寬所做的調整將被保存并在會話中保留。這確保了一致和個性化的布局，無需在每次啟動軟件時重復手動調整大小。
CDB 中選項卡式控件的助記鍵快捷鍵
對助記鍵快捷鍵的支持已添加到自定義對話框構建器 （CDB） 中的選項卡式控件中。用戶現在可以使用鍵盤快捷鍵在選項卡之間導航，從而提高輔助功能并加快對話框創建速度。
重新設計的 Splash Screen 與 IBM 品牌保持一致
SPSS Statistics 啟動期間顯示的啟動畫面已根據 IBM 的最新品牌指南重新設計。
狀態欄顯示帶有篩選器的選定案例計數
將篩選器應用于數據集時，狀態欄現在顯示當前選擇的案例數。這提供了即時反饋，并幫助用戶了解其篩選數據的范圍，從而有助于驗證和分析。
向圖表添加背景圖像并以多種格式導出
用戶現在可以通過添加背景圖像（如徽標或水?。﹣碓鰪娝麄兊膱D表，并以多種格式導出，包括 .png、.jpg、.svg、.bmp、.tif 和文檔格式，支持不同的演示和發布需求。
添加的變異系數 （CV）
變異系數 （CV） 已作為統計度量添加到“Descriptives” 和 “Frequency” 都是如此。已添加相同的標簽 CV 模塊包括復雜樣本和比率統計，確保統計輸出的一致性和清晰度。
禁用粘貼時填寫必填字段的指南
當用戶嘗試粘貼語法但必填字段不完整時，系統現在會提供上下文指導，以幫助識別和填寫這些字段。這減少了用戶的挫敗感，并確保了程序的更順利執行。
改進的變量組合和類型轉換
已進行增強，以簡化將多個變量合并為一個變量、更改變量類型以及同時將測量級別應用于多個變量的過程。這些改進簡化了數據準備并減少了手動工作。
卡方檢驗提升為獨立菜單項
卡方檢驗已提升到 Analyze （分析） 下的專用菜單項→Descriptive Statistics，具有自己的圖標和語法支持。此更改反映了其在分類數據分析中的重要性，并提高了頻繁用戶的可訪問性。
通過改進的 UI 和 CTA 增強試用體驗
該軟件的試用版現在具有更直觀的用戶界面和更清晰的號召性用語按鈕。這些增強功能旨在提供更流暢的入門體驗，引導新用戶了解關鍵功能并鼓勵更深入地參與產品。
安全增強功能
JRE/JDK 升級到 17.0.13.0
用 commons-imaging 替換舊的 jai_*.jar 文件（圖像庫 ）
解決了將多個變量合并為一個變量、更改類型和一次測量多個變量的困難
Python 升級到 v3.13
