IBM SPSS Statistics 29.0.2
Python 扩展
现在，在 Extension Hub 中提供了三个新的 Python 扩展:
- SPSSINC_TRANS
- SPSSINC_MODIFY_TABLES
- STATS_IMBALANCED
一般增强功能链接到欢迎对话框上的 IBM watson.ai 页面。从 4.1.2 升级到 来自 5.2.1 的 Apache POI 以解决安全性和漏洞问题。不推荐的功能用户反馈从版本 29.0.2 开始， Medallia 将无法提供反馈。
IBM SPSS Statistics 29.0.1
数据编辑器新的 “概述” 选项卡 提供有关数据集或文件中数据的特征的信息，其中包含变量类型，测量级别和缺失数据的摘要，并允许根据测量级别定义向下钻取到具有相应图表和摘要统计信息的各个变量。分析过程重复事件数据的参数化生存回归模型
单击 分析 > 生存 > 参数化共享脆弱模型 以通过合并共享脆弱项来估算重复事件数据的参数生存模型。 此术语被视为一个随机组件，以考虑由于单个或组级别的可变性而产生的未观察到的影响。线性回归中的 PRESS (预测残差平方和) 统计信息
单击 分析 > 回归 > 线性 和 统计 按钮以获取预测残差平方和 (总统) 统计，这是用于评估线性回归模型的常用交叉验证类型统计。Youden ‘s Index for ROC (接收方运算符特征) 曲线
单击 分析 > 分类 > ROC 分析 和 显示 按钮以请求沿 ROC 曲线的每个点的 Youden ‘s index 。 Youden 的指数是每个切点敏感度和特异性的流行单数汇总。估算混合模型时将随机效应预测 (EBLUPs) 导出到数据集或文件
单击 分析 > 混合模型 > 线性 ，当一个或多个随机规范请求显示随机效应预测时，选择 导出 按钮以使用 EBLUPs 创建新的数据集或文件。
单击 分析> 混合模型> 广义线性 ，当一个或多个随机规范请求显示随机效应预测时，在 “模型选项” 选项卡上，选择 导出 项以使用 EBLUPs 导出创建新数据集或文件。对对话框函数的增强功能百分位数
单击 分析 > 描述统计 > 百分位数 以访问一个新对话框，该对话框通过使用五种可用估计方法中的任何方法以及 bootstrap 置信区间，全面访问 以对 过程中的所有百分位数函数 (包括四分位数或定制百分位数的指定)。
单击 分析 > 描述统计 > 浏览，然后单击 统计 按钮以完全访问与独立 百分位数 对话框相同的函数。线性回归
单击 分析 > 回归 > 线性，然后单击 统计信息 按钮以访问 选择条件 复选框以访问 SELECTION 关键字统计信息。
单击 分析 > 回归 > 线性，然后单击 选项 按钮，以便能够为 CRITERIA 子命令指定 TOLERANCE 关键字级别，用于处理表现出接近共线性的变量。Cox 回归
单击 分析 > 生存 > Cox w/Time-Dep Cov 以访问重新设计的对话框，该对话框现在允许指定/计算 Cox 回归模型的多个依赖于时间的协变量。命令语法SURVREG RECURRENT
通过合并共享的弱项，估算重复事件数据的参数生存模型。 此术语被视为一个随机组件，以考虑由于单个或组级别的可变性而产生的未观察到的影响。ROC ANALYSIS
PRINT 子命令的 COordATES=ROC 关键字为 Youden 的 “索引” 提供了 YOUDEN 选项，在 ROC 曲线上的每个可能的分割点将敏感度和特异性组合到单个岐视度量中。MIXED
添加带有 EBLUPS 关键字的 OUTFILE 子命令，以将 EBLUPs 或随机效应参数预测导出到数据集或 .sav 文件。 如果通过 SOLUTION 关键字在 RANDOM 子命令上请求了多组 EBLUPs ，那么可以将 FILE_单独 关键字与 TRUE 或 FALSE 配合使用，以将预测保存在一个或多个数据集或文件中。GENLINMIXED
将 EBLUPS 关键字添加到 OUTFILE 子命令以将 EBLUPs 或随机效应参数预测导出到数据集或 .sav 文件。 如果通过 SOLUTION 关键字在 RANDOM 子命令上请求了多组 EBLUPs ，那么可以将 FILE_单独 关键字与 TRUE 或 FALSE 配合使用，以将预测保存在一个或多个数据集或文件中。一般增强功能输出修改
输出修改 增强功能提供了右键单击输出透视表中的 “修改输出” 快捷方式，以快速访问多个公共功能，例如转置，排序列，隐藏列以及突出显示列中的单元格。”搜索” 对话框
“搜索” 对话框 的增强功能包括搜索变量，搜索 IBM SPSS 社区，搜索 IBM SPSS YouTube 通道等。不推荐的功能从 dBase 文件导入并导出到这些文件
用于从 dBase 文件格式导入或导出到该格式的选项已从图形用户界面中除去。 底层 GET TRANSLATE 和 SAVE TRANSLATE 命令语法仍支持此功能。
IBM SPSS Statistics 29
分析过程线性 OLS 替代方法弹性网络单击 分析 > 回归 > 线性 OLS 替代方法 > 弹性网络 以获取线性弹性网络回归分析。 新的 “线性弹性网络” 扩展过程使用 Python sklearn.linear_model.ElasticNet 类来估算一个或多个自变量上的因变量的规则化线性回归模型。 规则化组合了 L1 (套索) 和 L2 (岭) 惩罚。 该扩展包含可选方式，用于显示给定 L1 比率的不同 alpha 值的跟踪图，以及根据交叉验证选择 L1 比率和 alpha 超参数值。 当拟合单个模型或使用交叉验证来选择惩罚比率和/或 alpha 时，可使用保留数据分区来估算样本外性能。套索单击 分析 > 回归 > 线性 OLS 替代方法 > 套索 以获取线性套索回归分析。 新的线性套索扩展过程使用 Python sklearn.linear_model.Lasso 类来估算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，并包含可选方式以显示跟踪图以及根据交叉验证选择 alpha 超参数值。 当拟合单个模型或使用交叉验证来选择 alpha 时，可使用保留数据分区来估算样本外性能。岭单击 分析 > 回归 > 线性 OLS 替代方法 > 岭 以获取线性岭回归分析。 新的 “线性岭” 扩展过程使用 Python sklearn.linear_model.Ridge 类来估计一个或多个自变量上的因变量的 L2 或平方损失正则化线性回归模型，并包含可选方式以显示跟踪图以及根据交叉验证选择 alpha 超参数值。 当拟合单个模型或使用交叉验证来选择 alpha 时，可使用保留数据分区来估算样本外性能。参数加速故障时间 (AFT) 模型单击 分析 > 生存 > 参数化加速失败时间 (AFT) 模型 以获取参数化加速失败时间 (AFT) 模型分析，该分析调用具有非循环生命时间数据的参数化生存模型过程。 参数生存模型假设生存时间遵循已知分布，此分析拟合加速失败时间模型，其模型效应与生存时间成正比。线性混合模型和广义线性混合模型中的伪 -R2 测量伪 -R2 度量和类内相关系数现在包含在线性混合模型和广义线性混合模型输出中 (适当时)。 确定系数 R2 是一个通常报告的统计量，因为它表示由线性模型解释的方差比例。 类内相关系数 (ICC) 是一个相关统计，用于量化由多级/分层数据中的分组 (随机) 因子解释的方差比例。命令语法GENLINMIXED现在，输出包含伪 -R2 度量和类内相关系数 (如果适用)。LINEAR_ELASTIC_NET新的扩展命令使用 Python sklearn.linear_model.ElasticNet 类来估算一个或多个自变量上的因变量的规则化线性回归模型。LINEAR_LASSO新的扩展命令使用 Python sklearn.linear_model.Lasso 类来估算一个或多个自变量的因变量的 L1 损失规则化线性回归模型。 该命令包含用于显示跟踪图和选择基于交叉验证的 alpha 超参数值的可选方式。LINEAR_RIDGE新的扩展命令使用 Python sklearn.linear_model.Ridge 类来估算一个或多个自变量的因变量的 L2 或平方损失正则化线性回归模型。 该命令包含用于显示跟踪图和选择基于交叉验证的 alpha 超参数值的可选方式。MIXED现在，输出包含伪 -R2 度量和类内相关系数 (如果适用)。SURVREG AFT
新命令使用非循环生命周期数据调用参数生存模型过程。Python 和 R 升级Python 3.10.4 和 R 4.2.0 是 IBM® SPSS® Statistics 29的一部分。选择个案 – 隐藏的个案当选择了部分个案时，未选择的个案将不再隐藏在数据编辑器中，并且不会废弃未选择的个案。 这表示返回到 Statistics 27.0.1 和更低版本的行为。小提琴图图板模板选择器包含一个新的小提琴图，它是盒子和内核密度图的混合。 小提琴图显示数据中的峰值，并用于可视化数字数据的分布。 与只能显示汇总统计的箱图不同，小提琴图描述汇总统计和每个变量的密度。工作簿方式增强功能
- 两个新的工作簿工具栏项: 显示/隐藏所有语法窗口 和 清除所有输出。
- “状态栏” 上的新按钮，用于在经典 (输出和语法) 方式与工作簿方式之间进行切换。
搜索增强功能现在， “搜索”功能提供了直接在工具栏字段中输入词汇以及在下拉窗格中查看结果的选项。
