DMSS Essentials é o applet do portfólio estatístico para produtos IBM SPSS Statistics desenvolvido pela DMSS Software para usuários brasileiros, traz novas análises, praticidade e economia de tempo em suas rotinas analíticas.

DMSS Essentials possui 16 funções disponíveis: Mapas, Teste de Durbin-Watson, Teste de Normalidade Multivariado de Shapiro-Wilk, Análise de Poder Amostral: ANOVA, Qui-quadrado e Correlação de Pearson, Multigraphs, Samplesize, Dickey-Fuller Plus, Comparação de Modelos, Seleção de Preditores, Classificação Naive Bayes, Análise de Dígitos via Lei de Benford, Árvore C5.0, Support Vector Machine, Árvore CHAID OPTBINEX (apenas para o módulo Decision Trees), PSM (Price Sensitivity Meter) e Análise de Penalidades (Penalty Analysis).

SELEÇÃO DE PREDITORES

Este novo recurso fornece uma interface de usuário para o comando SELECTPRED. Ele usa um conjunto especificado de variáveis de previsão como entrada e seleciona um subconjunto menor para uso em procedimentos de modelagem preditiva. Um método univariado que considera cada preditor isoladamente é usado. A extensão Select Predictors suporta variáveis dependentes categóricas e de escala. Grandes conjuntos de preditores podem ser manipulados.

CLASSIFICAÇÃO NAIVE BAYES

Esse procedimento permite uma interface de usuário para o comando NAIVEBAYES. Ele se encaixa no modelo de classificação Naive Bayes para uma variável dependente categórica. Você pode especificar se todos os preditores disponíveis são usados ou se o procedimento seleciona os melhores preditores. A extensão também pode ser usada para seleção de preditor sem classificação.

ANÁLISE DE DÍGITOS VIA LEI DE BENFORD

Representa graficamente a distribuição de frequência do primeiro dígito numérico em uma variável, juntamente com a distribuição de frequência ideal, conforme definido pela Lei de Benford. A análise pode aceitar apenas variáveis não-string, intergers positivos maiores ou iguais a 1.

ÁRVORE C5.0

Este procedimento estima um modelo de árvore de classificação usando o algoritmo C5.0. A saída pode ser uma árvore ou um conjunto de regras. Os dados ausentes podem ser manipulados pelo procedimento. Você pode fazer previsões para os dados usados no treinamento ou para um novo conjunto de dados usando um modelo salvo. Boosting pode ser realizado para melhorar a precisão.

SUPORTE VECTOR MACHINE

Construa uma Support Vector Machine e use-a para as predições. O procedimento suporta classificadores lineares e não lineares e a regressão com quatro opções de kernels. Uma pesquisa de grade sobre o espaço do parâmetro pode ser realizada.

ÁRVORE CHAID OPTBINEX

Esse comando usa o algoritmo CHAID em um alvo categórico ou contínuo para agrupar categorias ou intervalos de valores de preditores que têm efeitos estatisticamente indistinguíveis no alvo. Ele pode realizar as transformações e salvar essa sintaxe para uso futuro. Ele também fornece rótulos de valor para as novas variáveis. Variáveis preditoras são analisadas uma de cada vez. Os resultados são semelhantes aos do OPTIMAL BINNING para variáveis contínuas e ADP, mas tem a vantagem de expor as transformações e fornecer rótulos. O comando requer o módulo Decision Trees, porque usa o procedimento TREE (presente nesse módulo).

PSM (PRINCE SENSITIVITY METER)

É um tipo de análise que identifica valores aceitáveis para o preço de um produto, com base na percepção dos entrevistados em relação ao que é um preço "muito barato", "barato", "caro" e "muito caro".

ANÁLISE DE PENALIDADES (PENALTY ANALYSIS)

Calcula a diferença entre as médias de uma nota (rating) dentro de um nível JAR ("Just-About- Right") e dentro de níveis positivos e negativos de vários atributos, ponderando pela frequência destes grupos. Este procedimento gera conjuntos de dados e gráficos que exibem os resultados da conversão dos dados originais para a escala JAR e do cálculo das diferenças de médias ("mean drops") e penalidades por atributo.

MAPAS

Com o DMSS Essentials, você tem acesso a uma série de mapas no formato .smz (utilizado pelo IBM SPSS Statistics e IBM SPSS Modeler) para apresentar seus resultados por regiões geográficas. A lista de mapas disponíveis inclui mapas dos Estados brasileiros por municípios e mapas do Brasil por Estados e regiões.

ANÁLISE DE PODER AMOSTRAL

Cada um dos três procedimentos de poder amostral do DMSS Essentials determina o tamanho da amostra ou o poder estatístico de uma amostra para, respectivamente, os testes de ANOVA (Análise de Variância), Qui-Quadrado e da Correlação de Pearson.

TESTE DE DURBIN-WATSON

Este teste, construído a partir da estatística de Durbin-Watson, é utilizado para detectar a presença de autocorrelação (dependência) nos resíduos de uma análise de regressão linear. A hipótese nula é de que a autocorrelação é igual a zero e é possível testá-la contra a hipótese alternativa de que a autocorrelação é diferente de zero, maior que zero ou menor que zero.

TESTE DE NORMALIDADE MULTIDERIVADO DE SHAPIRO-WILK

Uma suposição fundamental para alguns tipos de análises multivariadas é a normalidade das variáveis. A opção de menu adicionada pelo DMSS Essentials calcula a estatística e o p-valor do teste de Shapiro-Wilk para normalidade multivariada, com base no teste generalizado proposto por Villaseñor-Alva e González-Estrada (2009).

GRÁFICOS MÚLTIPLOS (MULTIGRAPHS)

O procedimento Gráficos Múltiplos do DMSS Essentials permite a construção de vários gráficos com um único comando, considerando que normalmente você precisaria construir um gráfico por vez a partir dos procedimentos tradicionais de construção de gráficos do IBM SPSS Statistics.

TESTE DA RAIZ UNITÁRIA DE DICKEY-FULLER AUMENTADO

Este procedimento executa o teste de Dickey-Fuller aumentado, que é muito utilizado em análise de séries temporais e Econometria. A estatística ADF (Augmented Dickey-Fuller) testa se existe uma raiz unitária na série temporal. Este teste é utilizado com frequência em modelos mais complexos de séries temporais.

COMPARAÇÃO DE MODELOS

Com este procedimento do DMSS Essentials, é possível comparar os resultados gerais de modelos de classificação (Regressão Logística, Árvores de Decisão, etc.) a partir da estatística de Kolmogorov-Smirnov.

* As funcionalidades do DMSS Essentials só funcionam em ambientes Windows