 (prodotto add-on)
Caratteristiche di
STATISTICA Tecniche Esplorative Multivariate
STATISTICA Tecniche Esplorative Multivariate offre un'ampia
selezione di tecniche esplorative, dall'analisi di raggruppamento ai
metodi avanzati degli alberi di classificazione, con un numero indefinito
di strumenti di visualizzazione interattivi per l'esplorazione di
relazioni e regolarità; è compreso un completo linguaggio integrato di
Visual Basic. Tecniche Esplorative Multivariate di STATISTICA è compatibile con Windows 95, Windows 98, Windows NT, Windows 2000, Windows XP, Windows Me.
Include i seguenti moduli: |
 
ANALISI DI RAGGRUPPAMENTO. Questo modulo include una implementazione
completa dei metodi di raggruppamento (k-means, raggruppamento gerarchico,
unione a due vie). Il programma può elaborare i dati organizzati come file di
dati di base o come matrici di distanza. L'utente può riunire in gruppi casi,
variabili o entrambi, basandosi su un'ampia varietà di misure di distanza
(incluse l'Euclidea, l'Euclidea quadrata, la distanza di Manhattan, di Chebychev,
ecc.) e basandosi su un'ampia varietà di regole di amalgamamento (inclusi legame
singolo, completo, media pesata o non pesata dei centroidi, metodo di Ward, ed
altro). Le matrici delle distanze possono essere salvate per ulteriori analisi
con altri moduli del sistema STATISTICA. Nel raggruppamento K-Means, l'utente ha
il controllo totale su tutti i centri di gruppo iniziali. Possono essere
elaborate analisi di disegni estremamente ampi; per esempio, l'unione (ad
alberi) gerarchica può essere eseguita su matrici con oltre 1000 variabili, o
con oltre 1 milione di distanze. Oltre ai classici output per l'analisi dei
gruppi è disponibile un completo insieme di statistiche descrittive e
diagnostiche (per es., la registrazione completa dei livelli di unione
nell'analisi dei gruppi gerarchica, la tabella ANOVA nell'analisi k-means). I
dati sull'appartenenza ai gruppi possono essere aggiunti al file dati corrente
per analisi successive. Le opzioni grafiche nel modulo Analisi dei Gruppi (Cluster
Analysis) includono dendrogrammi (diagrammi ad albero) personalizzabili, plot a
matrice discreti (stile grafici a curve di livello) per le unioni a due vie,
grafici delle registrazioni degli "amalgamamenti", grafici delle medie
nell'unione k-means, e molto altro.
|
 ANALISI
FATTORIALE. Il modulo Analisi Fattoriale (Factor Analysis)
contiene un'ampia selezione di statistiche ed opzioni; esso inoltre offre una
implementazione completa delle tecniche analitiche fattoriali (e fattoriali
gerarchiche), comprensive di statistiche diagnostiche e di un'ampia varietà di
grafici analitici ed esplorativi. Con questo modulo si eseguono analisi delle
componenti principali ed analisi fattoriali gerarchiche (oblique) e possono
essere trattati problemi estremamente grandi (ad esempio, con migliaia di
variabili). L'analisi fattoriale confermativa può essere fatta con il modulo
Modellazione di Equazioni Strutturali (SEPATH) disponibile in
STATISTICA Modelli Lineari/Non-Lineari Avanzati.
|
ANALISI DELLE COMPONENTI PRINCIPALI E CLASSIFICAZIONE.
STATISTICA include un programma l'analisi delle componenti principali e la
classificazione. L'output include autovalori, (regolari, cumulati, relativi),
pesi fattoriali, punteggi fattoriali (che possono essere aggiunti al file di
dati, illustrati graficamente come icone e ricodificati interattivamente), ed
una varietà di statistiche e di metodi diagnostici più tecnici. Le rotazioni
disponibili includono la Varimax, Equamax, Quartimax, Biquartimax (normalizzate
o semplici) e le rotazioni Oblique. Lo spazio fattoriale può essere
rappresentato graficamente "strato per strato" in scatterplot 2D o 3D con i
valori delle variabili etichettati; altri grafici integrati includono lo Scree
plot, vari scatterplot, grafici a barre e a linee ed altro. Dopo che è stata
determinata una soluzione fattoriale, l'utente può ricalcolare (cioè
ricostruire) la matrice di correlazione a partire dal rispettivo numero di
fattori, per valutare la bontà del modello fattoriale. Possono essere utilizzati
come input sia file di dati di base che matrici di correlazione. Analisi
fattoriali confermative ed altre analisi ad essa collegate possono essere
eseguite con il modulo Modellazione di
Equazioni Strutturali (SEPATH) disponibile in STATISTICA Modelli
Lineari/Non-Lineari Avanzati, in cui un Wizard per Analisi Fattoriali
Confermative (Confirmatory Factor Analysis Wizard) guiderà
passo-passo lungo il processo di specificazione del modello.
|
 ANALISI
DELLA CORRELAZIONE CANONICA.
Questo modulo offre una implementazione completa delle procedure per l'analisi
della correlazione canonica ; con esso si possono elaborare file di dati di base
o matrici di correlazione e si possono calcolare tutte le statistiche standard
per l'analisi di correlazione canonica (inclusi autovettori, autovalori,
coefficienti di ridondanza, pesi canonici, varianze estratte, test di
significatività per ogni radice, ecc.) ed un elevato numero di test o
statistiche diagnostiche estese. I punteggi delle variabili canoniche possono
essere calcolati per ogni caso e visualizzati tramite i plot ad icona integrati
(possono anche essere aggiunti al file dati). Il modulo Correlazione Canonica
(Canonical Analysis) include anche una varietà di grafici integrati
(incluso il grafico degli autovalori e delle correlazioni canoniche, lo
scatterplot delle variabili canoniche e molti altri). Analisi confermative sulle
relazioni strutturali tra variabili latenti possono anche essere eseguite
tramite il modulo Modellazione di
Equazioni Strutturali (SEPATH) disponibile in STATISTICA Modelli
Lineari/Non-Lineari Avanzati; sono disponibili tecniche stepwise e selezione
avanzata del sottoinsieme migliore di predittori per piani MANOVA/MANCOVA nel
modulo Modelli di Regressione Generali (GRM)
in STATISTICA Modelli Lineari/Non-Lineari.
|
 ANALISI
DELL'ATTENDIBILITA' E DEGLI ITEM.
Questo modulo comprende un'ampia selezione di metodi per lo sviluppo e la
valutazione di analisi esplorative e questionari. Come in tutti gli altri moduli
di STATISTICA, possono essere analizzati disegni estremamente ampi (è
possibile analizzare scale con un massimo di 300 item in una singola analisi).
L'utente può calcolare statistiche di attendibilità per tutti gli item in una
scala, selezionare interattivamente sottoinsiemi, o ottenere confronti tra
sottoinsiemi di item tramite il metodo di suddivisione. In una singola analisi
l'utente può valutare l'attendibilità di una scala-somma così come di
sottoscale. Quando si eliminano interattivamente degli item, i nuovi valori di
attendibilità sono calcolati istantaneamente senza dovere rielaborare il file
dati. L'output include matrici di correlazione alle statistiche descrittive per
gli item, alfa di Cronbach, alfa standardizzato, la correlazione
media tra item, la tabella ANOVA completa per la scala, l'insieme completo di
statistiche sugli item completi (incluso gli R multipli sugli item
completi), la credibilità tra due gruppi confrontati, e la correlazione tra i
due gruppi corretta per l'attenuazione. Una selezione di grafici (inclusi vari
scatterplot, istogrammi, plot a linee ed altri grafici integrati) ed un insieme
di procedure interattive cosa-se sono offerti per aiutare nello sviluppo
delle scale. Per esempio, l'utente può calcolare l'attendibilità attesa dopo
aver aggiunto un particolare numero di item nella scala, e può stimare il numero
di item che dovrebbero essere aggiunti nella scala per ottenere un particolare
valore di credibilità. Inoltre, l'utente può stimare la correlazione corretta
per l'attenuazione tra la scala corrente ed un'altra misura ipotetica (data la
credibilità della scala corrente).
|
  ALBERI
DI CLASSIFICAZIONE. Il modulo Alberi di Classificazione e Regressione di
STATISTICA offre una completa implementazione degli algoritmi più recenti
per la produzione e la verifica della robustezza degli alberi di classificazione
(un albero di classificazione è una regola per prevedere la classe cui
appartiene un oggetto a partire dai valori delle sue variabili predittore).
Metodi avanzati per gli alberi di classificazione , incluse opzioni flessibili
per la costruzione di modelli e strumenti interattivi per esplorare gli alberi
disponibili in Modelli ad Alberi di Classificazione e Regressione Generali (GTrees)
e CHAID Generale (Individuazione Automatica delle Interazioni Chi-quadro).
Gli alberi di classificazione possono essere prodotti utilizzando variabili
predittore di tipo categorico, variabili predittore ordinali, o entrambi questi
due tipi di variabili predittore, nonché utilizzando suddivisioni (o
"diramazioni") univariate o a combinazione lineare. Le opzioni di analisi
includono la possibilità di eseguire suddivisioni esaustive (come in THAID
e CART™) o di tipo analisi discriminante; la selezione non
distorta delle variabili (come in QUEST); le regole di stop diretto (come
in FACT) o le potature dal basso verso l'alto (come in CART); le
potature in base a tassi di errata classificazione o in base a funzione di
devianza; le misure di bontà di adattamento Chi-quadro generalizzato,
G-quadro o su indice di Gini. I costi di errata classificazione a
priori possono essere specificati come uguali, stimati a partire dai dati,
oppure specificati dall'utente. L'utente può pure specificare il valore v
per la validazione incrociata (o cross-validazione) v-fold nella fase di
costruzione dell'albero, il valore v per la validazione incrociata v-fold
per la stima dell'errore, la dimensione della regola ES (Errore Standard), la
dimensione minima del nodo prima di potare, i semi per la generazione dei numeri
casuali, nonché il valore alfa per la selezione delle variabili. Sono
fornite opzioni grafiche per esplorare i dati di input e di output. Si veda anche: Alberi di Classificazione e Regressione Generali (GTrees) e Modelli CHAID (Chi-square Automatic Interaction Detection) Generali.
|
 
ANALISI DELLE CORRISPONDENZE. Questo modulo comprende una
implementazione completa delle tecniche di analisi delle corrispondenze semplice
e multiple. Il programma accetta come input file dati che contengono variabili
di gruppo che saranno utilizzate per calcolare le tabelle incrociate, file dati
che contengono frequenze (o qualche altra misura di corrispondenza,
associazione, similitudine, confusione, ecc.) e variabili che identifichino
(enumerino) le celle nella tabella di input, o infine file dati con frequenze (o
altre misure di corrispondenza) da sole (cioè, l'utente può direttamente
digitare e analizzare una tabella di frequenze). Per l'analisi delle
corrispondenze multiple l'utente può anche specificare direttamente una tabella
di Burt come input per le analisi. Il programma calcolerà diverse
tabelle, incluse le tabelle delle percentuali di riga, di colonna e dei
percentuali totali, i valori attesi, i valori osservati meno gli attesi, le
deviazioni standardizzate e i contributi ai valori del Chi-quadro. Il modulo
Analisi delle Corrispondenze calcolerà gli autovalori ed autovettori
generalizzati, e riporterà tutti i test diagnostici standard, inclusi i valori
singolari, gli autovalori, e le proporzioni di inerzia per ogni dimensione.
L'utente può anche scegliere manualmente il numero delle dimensioni oppure
specificare un valore di soglia per la percentuale cumulata massima di inerzia.
Il programma calcolerà i valori delle coordinate standard per punti riga e
colonna. L'utente può scegliere tra standardizzazione profilo di riga,
standardizzazione profilo di colonna e standardizzazione profilo di riga e
colonna. Per ogni dimensione e punto riga o colonna, il programma calcolerà il
valore di inerzia, qualità e i valori coseno al quadrato. Inoltre
l'utente potrà visualizzare (su spreadsheet) le matrici dei vettori singolari
generalizzati; come per tutti i valori degli spreadsheet, queste matrici possono
essere gestite anche tramite STATISTICA Visual Basic, per esempio, per
implementare un metodo non standard per calcolare le coordinate. L'utente può
calcolare i valori delle coordinate e le statistiche ad esse correlate (valori
di qualità e coseno al quadrato) per i punti supplementari (di riga o
colonna), e confrontare i risultati con i punti regolari di riga e colonna. I
punti supplementari possono essere specificati anche per l'analisi delle
corrispondenze multiple. Oltre agli istogrammi 3D che possono essere calcolati
per tutte le tabelle, l'utente può produrre un plot a linee per gli autovalori,
e plot 1D, 2D e 3D per i punti riga e colonna. I punti riga e colonna possono
essere anche combinati in un singolo grafico, con qualunque punto supplementare
(ogni tipo di punto userà un colore e un marcatore differente, cosicché
differenti tipi di punto potranno essere facilmente identificati nel grafico).
Tutti i punti sono etichettati ed è disponibile una opzione per troncare le
etichette dei nomi dei punti ad uno specifico numero di caratteri.
|
 SCALING
MULTIDIMENSIONAL. Il modulo Scaling Multidimensionale (Multidimensional
Scaling) include una implementazione completa dello scaling
multidimensionale (non metrico). Possono essere analizzate matrici di
similarità, dissimilarità o correlazione tra variabili (cioè "oggetti" o casi),
e possono essere specificate fino a 9 dimensioni. La configurazione iniziale può
essere calcolata dal programma (tramite analisi delle componenti principali) o
specificata dall'utente). Il programma utilizza una procedura iterativa per
minimizzare il valore di stress ed il coefficiente di alienazione. L'utente può
controllare le iterazioni e osservare i cambiamenti in questi valori. Le
configurazioni finali possono essere rilette tramite Scrollsheet e tramite
scatterplot 2D e 3D dello spazio ottenuto dall'analisi, con i punti dei casi
etichettati. L'output include i valori lo stress grezzo (raw F), stress
di Kruskal, coefficiente di stress S e coefficiente di alienazione. La
bontà di adattamento può essere valutata tramite diagrammi di Shepard (con
d-cappello e d-star). Come con tutti gli altri risultati di
STATISTICA, la configurazione finale può essere salvata in un file dati.
|
 
ANALISI DISCRIMINANTE. Il modulo Analisi Discriminante (Discriminant
Analysis) è una implementazione completa dell'analisi discriminante stepwise.
STATISTICA include anche il modulo Modelli di Analisi
Discriminante Generali per l'adattamento dei piani ANOVA/ANCOVA a
variabili categoriali dipendenti ed eseguire vari tipi di analisi avanzate (ad
esempio, selezione del sottoinsieme migliore di predittori, profili di
probabilità a posteriori, ecc.) Il programma eseguirà l'analisi stepwise in
avanti o all'indietro, oppure inserirà nel modello blocchi di variabili
specificati dall'utente. Oltre ai numerosi grafici e statistiche diagnostiche
inseriti per descrivere le funzioni discriminanti, il programma offre pure
un'ampia possibilità di opzioni e di statistiche per la classificazione di casi
vecchi o nuovi (per una convalida del modello). Gli output
includono i lambda di Wilks, L'F per "entrare" (o "uscire" dal
modello), i p-level, i valori di tolleranza e l'R-quadro.Il
programma eseguirà una completa analisi della correlazione canonica e riporterà
gli autovalori e i loro valori cumulati per tutte le radici, più i loro
p-level, i coefficienti semplici e standardizzati delle funzioni
discriminanti (canoniche), la matrice dei coefficienti strutturali (dei pesi
fattoriali), le medie per le funzioni discriminanti, ed i punteggi discriminanti
per ogni caso (che possono anche essere automaticamente aggiunti al file dati).
I grafici integrati includono istogrammi dei punteggi canonici all'interno di
ogni gruppo (e tra tutti i gruppi combinati), scatterplot speciali per coppie di
variabili canoniche (dove l'appartenenza al gruppo di singoli casi è marcata
visivamente), una completa selezione di grafici categorizzati (multipli) che
permette di esplorare le distribuzioni e le relazioni tra le variabili
dipendenti tra i gruppi (inclusi i plot box-and-whisker multipli, gli
istogrammi, gli scatterplot, e i probability plot) e molto altro. Il modulo
Analisi Discriminante calcola anche le funzioni di classificazione standard
per ogni gruppo.La classificazione dei casi può essere letta in termini di
distanze di Mahalanobis, probabilità a posteriori, o classificazioni
effettive; i punteggi per i singoli casi possono essere visualizzati tramite
plot ad icone esplorativi o altri grafici multidimensionali integrati
direttamente con gli Scrollsheet dei risultati. Tutti questi valori possono
essere automaticamente aggiunti al file dati corrente per analisi successive. È
possibile visualizzare la matrice riassuntiva di classificazione, contenete il
numero e la percentuale dei casi classificati correttamente. L'utente ha a
disposizione diverse opzioni per specificare le probabilità di classificazione
a priori e può specificare condizioni di selezione per includere o
escludere dalla selezione dei casi specifici (per es., per testare le funzioni
di classificazione in un nuovo campione).
|
 MODELLI DI
ANALISI DISCRIMINANTE GENERALE (GDA). Il modulo STATISTICA Modelli di
Analisi Discriminante Generale (GDA) è un'applicazione ed estensione del
Modello Lineare Generale ai problemi di classificazione. Come il modulo
Analisi Discriminante, GDA permette di eseguire analisi discriminante
standard e stepwise. GDA implementa problemi di analisi discriminante
come un caso speciale di modello lineare generale e in tal modo offre tecniche
analitiche estremamente utili ed innovative, efficienti e potenti. Come
nell'analisi discriminante tradizionale, GDA consente di specificare una
variabile categoriale dipendente. Per le analisi, l'appartenenza a gruppi (in
relazione alla variabile dipendente) è codificata da variabili indicatrici e
possono essere applicati tutti i metodi di GRM. Nelle finestre di dialogo
dei risultati, sono disponibili le statistiche sui residui disponibili in GRM,
GLM e GDA. GDA possiede strumenti efficienti e potenti per
applicazioni di data mining così come per la ricerca. GDA calcola tutti i
risultati standard dell'analisi discriminante, inclusi i coefficienti delle
funzioni discriminanti, risultati di analisi canonica (coefficienti grezzi e
standardizzati, test step-down delle radici canoniche, ecc.), statistiche per la
classificazione (incluse la distanza di Mahalanobis, probabilità a posteriori,
classificazione effettiva dei casi nel campione d'analisi e campione di
validazione, matrice di errata classificazione, ecc.) e così via. Per avere
maggiori informazioni sul modulo GDA,
si faccia clic qui.
|
![[StatSoft]](../images/sssmall.gif){kind=small}
Via Parenzo 3 - 35010 Vigonza (Padova)
Tel: 0498934654; Fax: 0498932897
![[StatSoft]](../images/emailed.gif){kind=small}
e-mail: info@statsoft.it
©Copyright StatSoft Italia srl, 1984-2009.
StatSoft, StatSoft logo, STATISTICA, STATISTICA Enterprise/QC, STATISTICA Enterprise, Data Miner, SEPATH and GTrees are trademarks of StatSoft, Inc.
