通过使用地理空间关联规则,可以根据空间属性和非空间属性在数据中查找模式。例如,可以通过位置属性和人口统计信息属性识别罪案数据中的模式。根据这些模式,您可以构建规则,以预测有可能发生特定类型罪案的地点。
此过程可以在“基本统计信息”选项中获得。
空间时间预测
空间时间预测使用包含位置数据、预测输入字段(预测变量)、时间字段和目标字段的数据。每个位置在数据中都有许多行,这些行表示每个预测变量在每个位置于每个时间间隔的值。
此过程可以在“基本统计信息”选项中获得。
时间因果模型
时间因果建模尝试发现时间序列数据中的关键因果关系。在时间因果建模中,您指定一组目标序列以及这些目标的候选输入集。这样,过程将为每个目标构建一个自回归时间序列模型,并且仅包括那些与目标具有因果关系的输入。此方法不同于传统时间序列建模,在传统时间序列建模中,您必须为目标序列显式指定预测变量。由于时间因果建模通常涉及为多个相关的时间序列构建模型,因此结果称为模型系统。
在“预测”选项中提供了时间因果建模。
批量装入数据库中
将数据导出至数据库时,批量装入会将数据成批提交到数据库,而不是一次提交一条记录。此操作可以使操作速度更快,对于大型数据文件尤其如此。
可编程性增强功能
- 现在,您可以从任何外部 R 进程运行使用 R Integration Package for IBM® SPSS® Statistics 中的函数的 R 程序,例如 R IDE 或 R 解释器。还可以从 R 运行 SPSS Statistics 命令语法。
- 通过 Python 或 R 实现的扩展命令现在支持在变量列表中使用 TO 和 ALL 关键字。
- IBM SPSS Statistics - Essentials for R 和 IBM SPSS Statistics - Essentials for Python 现在包含更多扩展命令以及关联的定制对话框。另外,可以通过在语法编辑器中按 F1 键来访问随 Essentials for R 和 Essentials for Python 一起安装的所有扩展命令的帮助。