IBM SPSS Statistics 27

効果量（effect size）は、平均値の差の大きさや関連の強さを表す統計量の1つで、データ数や単位に関係なく効果の大きさを評価することができます。そのため、サンプルサイズの影響を受ける仮説検定や推定と併せて効果量による評価が用いられます。V27から平均値の差の大きさを表す効果量として、t検定ではコーエンのd（Cohen's d）、ヘッジズのd（Hedges' g）、グラスのΔ（Glass' Δ）、一元配置分散分析ではイータ2乗、イプシロン2乗、オメガ2乗が出力できるようになりました。

カッパ係数（kappa coefficient）は、同じ対象に対して２つの評価間の一致度を表す場合に用いられる統計量の1つで、順序尺度の一致度調べる場合に重み付けカッパ係数を使用します。IBM SPSS Statisticsで出力できるコーエンの重み付けカッパ係数（Cohen's weighted kappa coefficient）には、1次の重み付け、2次の重み付けがあり、不一致率をより強く表す場合に用いられます。V26以前は拡張機能を使って「STATS_WEIGHTED_KAPPA」モジュールの追加が必要でしたが、V27からデフォルトの「分析」メニューから利用することができます。

統計的検定では、サンプルサイズ、有意水準、効果量、検出力が検定結果に影響を与え、サンプルサイズが小さすぎると実際には差があるのに「差がない」と判定したり、サンプルサイズが大きすぎると実際にはほとんど差がないのに「差がある」と判定したりするケースが起きえますので、研究計画の段階で適切なサンプルサイズや検出力を検討しておくことが重要です。検定力分析（power analysis）は、統計的検定におけるサンプルサイズや検出力を分析することができます。V27から新たに「分析」メニューに追加され、t検定、一元配置分散分析、二項検定、相関分析、単回帰分析に対応しています。

通常の回帰分析では、xが与えられたときのyの条件付き平均値を予測しますが、分位点回帰（Quantile Regression）では、25%分位、50%分位、75%分位などの分位点を予測値として求めることができます。IBM SPSS Statistics V26 の新機能として導入され、V27では新たに機能拡張が行われ、設定ダイアログボックスから複数の分位点を一度に指定できる機能が追加されました。

バブルチャートは、横軸、縦軸、点（ドット）の大きさから3つの要素を1つのグラフで表すことができ、順序尺度やスケールの変数に対応しています。V27では散布図の機能拡張が行われ、バブルチャートが追加されました。

V26までの図表テンプレートはデフォルトの1種類のみでしたが、V27では図表テンプレートが改良され、グラフに適用するテンプレートの種類が追加されました。複数のテンプレートからの選択が可能となり、「グラフ」メニューまたは「オプション」メニューから図表テンプレートを自由に選択することができます。APA、パステル、印刷物用無彩色などを簡単に指定可能です。

出力ウィンドウでは、テーブルテンプレートの改良、グラフ編集の簡略化と使いやさの強化、高解像度の出力エクスポート機能が追加されました。

データのエラーチェックやクリーニングを効率的に行うための「Data Preparation」オプション、復元抽出サンプリングによる推定を行う「Bootstrapping」オプションの2つが、基本機能としてBaseに統合されました。

IBM SPSS Statisticsには「拡張ハブ」機能により、SPSS StatisticsとRやPythonなどの外部アプリケーションと連携し、統計手法などの追加が可能です。V27では最新のPython3.8.2が同梱されており、Python 2はセキュリティ上の関係でデフォルトではインストールされません。そのため、古いコードを実行する場合はPython 2のカスタムパスを定義する必要があります。

ベイズ統計は、有意確率（p値）によって有意差を判断する統計的仮説検定とは異なり、事前確率（分布）から事後確率（分布）を求めます。IBM SPSS Amos 27の新機能として、Stanとの連携によりベイズ推定による構造方程式モデリングができるようになりました。「表示」メニュー＞「インターフェイスのプロパティ」からStanと連携する設定が可能です。