セミパラメトリックのCox比例ハザードモデルでは、共変量の効果がハザードに定数を掛けることであると想定しているのに対し、パラメトリック加速故障時間(AFT)モデルは、共変量の効果が加速または減速することであると想定しています。パラメトリック生存モデルは、生存時間が既知の分布に従うことを仮定し、生存時間に関してそのモデル効果が比例する加速故障時間モデルを適合させます。

Click Analyze > Survival > Parametric Accelerated Failure Time (AFT) Models to obtain a Parametric Accelerated Failure Time (AFT) Model analysis, which invokes the parametric survival models procedure with non-recurrent life time data. Parametric survival models assume that survival time follow a known distribution, and this analysis fits accelerated failure time models with their model effects proportional with respect to survival time.

リッジ回帰 (Ridge Regression) は、モデルの複雑さを抑えて汎化性能を高めるために、損失関数にL2正則化項を加えた回帰モデルです。ラッソ回帰と異なり変数選択を行うことはできません。Python sklearn.inear_model.Ridge に基づき、拡張ハブでの追加インストールが必要です。

Click Analyze > Regression > Linear OLS Alternatives > Ridge to obtain a Linear Ridge Regression analysis. The new Linear Ridge extension procedure uses the Python sklearn.linear_model.Ridge class to estimate L2 or squared loss regularized linear regression models for a dependent variable on one or more independent variables, and includes optional modes to display trace plots and to select the alpha hyperparameter value based on crossvalidation. When a single model is fitted or crossvalidation is used to select alpha, a partition of holdout data can be used to estimate out-of-sample rformance.

ラッソ回帰 (least absolute shrinkage and selection operator、Lasso) は、モデルの予測精度や解釈可能性を向上させる回帰分析手法です。回帰モデルの損失関数に対してL1正則化項を付与します。リッジ回帰と異なり、モデル選択と同時に変数選択を行うことができますが、変数の数は最大n(サンプルサイズ)個までです。グリッドサーチとクロスバリデーションにより、最適なパラメータの組合せを選択することができます。

Click Analyze > Regression > Linear OLS Alternatives > Lasso to obtain a Linear Lasso Regression analysis. The new Linear Lasso extension procedure uses the Python sklearn.linear_model.Lasso class to estimate L1 loss regularized linear regression models for a dependent variable on one or more independent variables, and includes optional modes to display trace plots and to select the alpha hyperparameter value based on crossvalidation. When a single model is fitted or crossvalidation is used to select alpha, a partition of holdout data can be used to estimate out-of-sample performance.

エラスティックネット回帰 (Elastic Net Regression) は、L1正則化項 (Lasso) と L2正則化項 (Ridge) の両方のペナルティを組み合わせた回帰モデルです。ラッソ回帰と同じようにモデル選択と同時に変数選択が可能ですが、ラッソ回帰と異なり最大p(独立変数の数)個の変数選択が可能です。グリッドサーチとクロスバリデーションにより、最適なパラメータの組合せを選択することができます。

Click Analyze > Regression > Linear OLS Alternatives > Elastic Net to obtain a Linear Elastic Net Regression analysis. The new Linear Elastic Net extension procedure uses the Python sklearn.linear_model.ElasticNet class to estimate regularized linear regression models for a dependent variable on one or more independent variables. Regularization combines L1 (Lasso) and L2 (Ridge) penalties. The extension includes optional modes to display trace plots for different values of alpha for a given L1 ratio, and to select the L1 ratio and alpha hyperparameter values based on crossvalidation. When a single model is fitted or crossvalidation is used to select the penalty ratio and/or alpha, a partition of holdout data can be used to estimate out-of-sample performance.

疑似決定変数と級内相関係数が線型混合モデルと一般化線型混合モデルの出力に追加されました。

Pseudo-R2 measures and the intra-class correlation coefficient are now included in Linear Mixed Models and Generalized Linear Mixed Models output (when appropriate). The pseudo-R2 measures are based entirely on the final estimates and are produced after estimation has been completed. The coefficient of determination R2 is a commonly reported statistic, because it represents the proportion of variance explained by a linear model. The intra-class correlation coefficient (ICC) is a related statistic that quantifies the proportion of variance explained by a grouping (random) factor in multilevel/ hierarchical data.

SPSS が含むPythonとRのバージョンが、それぞれPython (3.10.4) と R (4.2.0)にアップグレードされています。

SPSS Statistics v29 includes upgraded versions of Python (3.10.4) and R (4.2.0).

ケースの選択機能において、選択されていないケースの扱いが破棄ではなく斜線による非表示に変わり、v27.0.1以前のバージョンの仕様に戻りました。その他、バイオリン図の追加やワークブックモードの機能改善などが行われています。

By default, unselected cases are no longer hidden in the Data Editor when a subset of cases is selected, and the unselected cases are not discarded.New button on the Status bar to switch between Classic (Output and Syntax) and Workbook modes.