IBM® SPSS® Categories 可讓您進行視覺化與探索資料當中的關係，並根據您的發現來預測結果。它利用類別迴歸程序，從數值與順序型或非順序型類別預測因子變數構成的組合，來預測名目、順序或數值應變數的值。此軟體採用了進階技術，例如預測分析、統計學習、知覺圖及偏好尺度。

此為單一使用者( Authorized)授權

1)分析不同類別之間的差異: 使用對應分析，以更輕鬆地顯示與分析不同類別之間的差異。
2)納入補充資訊: 納入更多變數的相關補充資訊。
3)發掘關聯和關係: 使用對稱標準化來產生二維圖，讓您更容易看出關聯。
4)輕鬆處理類別資料: 從可協助您更完整分析與解讀您多變量資料及其關係的工具獲益。例如，瞭解客戶與您產品或品牌的哪些性質關係最密切，或者判斷客戶對您產品的知覺並與您的其他產品或競爭產品進行比較。
5)運用類別迴歸程序: 從數值和排序或非排序類別預測變數組合來預測類別、序位或數值結果變數的值。利用迴歸搭配最佳尺度分析來進行描述，例如如何從工作類別、地理區域和出差多寡來預測工作滿意度。
6)充分利用最佳尺度分析: 以大幅提高多元迴歸的方式，對變數進行量化分析。在殘差為非類別尺度或預測變數與結果變數為非線性關係時，可對數值變數應用最佳尺度分析。像 Ridge 迴歸、Lasso 和 Elastic Net 之類的正規化方法，它們可藉由將參數估計穩定化來提高預測的精確度。
7)利用知覺圖來清楚呈現您的結果: 運用維度縮減技術來瞭解您資料當中的關係。摘要圖表顯示類似的變數或類別，以便您洞悉兩個以上變數之間的關係。
8)取得這些最佳尺度分析和維度縮減技術: 這些技術包括相關性分析 (CORRESPONDENCE)、類別迴歸 (CATREG)、多元迴歸分析 (MULTIPLE CORRESPONDENCE)、CATPCA、非線性典型相關分析 (OVERALS)、近似尺度分析 (PROXSCAL) 及偏好尺度分析 (PREFSCAL)。

硬體需求:
•處理器：2 GHz 或更快
•顯示器：1024*768 或更高
•記憶體：需要 4 GB RAM，建議 8 GB RAM 或更多
•磁碟空間：2 GB 或以上容量。
Windows client, Windows Server, LINUX - Redhat , SUSE,