统计分析软件SPSS Statistics 29中的新增功能

IBM SPSS Statistics 29已发布。此版本包括新的生存模型程序、开源扩展程序、UI和工作簿增强功能。

新程序

线性OLS替代方案

弹性网

新的线性弹性网扩展程序估计因变量对一个或多个自变量的正则化线性回归模型。该图表示该程序的输出示例。

Lasso

新的线性套索扩展在一个或多个自变量上估计因变量的L1损失正则化线性回归模型，并包括显示轨迹图和基于交叉验证选择alpha超参数值的可选模式。该图表示该过程的示例输出。

Ridge

新的线性脊扩展程序为一个或多个自变量上的因变量估计L2或平方损失正则化线性回归模型，并包括显示轨迹图和基于交叉验证选择alpha超参数值的可选模式。该图表示该过程的示例输出。

参数化加速失效时间（AFT）模型

新程序调用了参数化生存模型程序与非复发性生命时间数据。参数化生存模型假定生存时间遵循一个已知的分布，这种分析适合加速失效时间模型，其模型效应与生存时间成正比。该图表示该程序的输出示例。

参数化生存模型-SURV AFT

线性混合模型和广义线性混合模型中的Pseudo-R²

Pseudo-R²度量和类内相关系数现在包括在线性混合模型和广义线性混合模型的输出中（适当时）。决定系数R²是一个通常报告的统计量，因为它代表了一个线性模型所解释的方差比例。类内相关系数（ICC）是一个相关的统计量，它量化了多层次/分层数据中由分组（随机）因素解释的方差比例。

命令语法

GENLINMIXED

现在的输出包括Pseudo-R²度量和类内相关系数（适当时）。

LINEAR_ELASTIC_NET

新的扩展命令使用Python sklearn.linear_model.ElasticNet类来估计一个因变量对一个或多个自变量的正则化线性回归模型。

LINEAR_LASSO

新的扩展命令使用Python sklearn.linear_model.Lasso类来估计一个或多个自变量的因变量的L1损失正则化线性回归模型。该命令包括显示跟踪图和选择基于交叉验证的alpha超参数值的可选模式。

LINEAR_RIDGE

新的扩展命令使用Python sklearn.linear_model.Ridge类来估计因变量对一个或多个自变量的L2或平方损失正则化线性回归模型。该命令包括显示跟踪图和选择基于交叉验证的alpha超参数值的可选模式。

MIXED

现在的输出包括Pseudo-R²度量和类内相关系数（适当时）。

SURVREG AFT

新的扩展命令用非复发的生命时间数据调用参数化生存模型程序。

Python and R upgrades

Python 3.10.4和R 4.2.0与IBM SPSS Statistics 29一起安装。

取消了隐藏未选择案例的功能

当选择了一个案例子集时，未选择的案例不再隐藏在数据编辑器中，而且未选择的案例也不会被丢弃。这表示回到了Statistics 27.0.1和早期版本的行为。

小提琴图

Graphboard Template Chooser包括一个新的小提琴图，它是箱形图和核密度图的混合体。小提琴图显示数据中的峰值，用于可视化数字数据的分布。与只能显示汇总统计数据的箱形图不同，小提琴图描述了汇总统计数据和每个变量的密度。

工作薄模式的改进

增加了两个新的工作薄工具条项目：显示/隐藏全部语法窗口和清除全部输出。在状态栏上还有一个新的按钮，可以在经典（输出和语法）和工作薄模式之间切换。

搜索功能的增强

搜索功能现在提供了在工具栏字段中直接输入术语和在下拉窗格中查看结果的选择。