IBM SPSS Categories
― コレスポンデンス分析・カテゴリデータ・最適尺度法に対応

予測分析、知覚マップ、最適尺度法、次元縮小の手法でカテゴリ型・多次元データを最大限に活用するアドオン。消費者が製品やブランドに関連付ける特徴の把握、競合製品の認識比較などに活用できます。

SPSS Statistics Base に追加して利用 研究／実務両用 最終更新 2026.05.17
価格・見積を依頼する 機能の詳細を見る

Categories でできること

予測分析、知覚マップ、最適尺度法、次元縮小の手法でカテゴリ型・多次元データを最大限に活用するアドオン。消費者が製品やブランドに関連付ける特徴の把握、競合製品の認識比較などに活用できます。

本モジュールが解決する課題

  • ブランド・製品の知覚マップ作成
  • カテゴリ型データの構造把握と可視化
  • 順序・名義データを含む回帰モデルの構築
  • 高次元データの低次元への要約

代表的な利用シーン

知覚マップ作成

ブランド調査

ブランドと評価属性の関係を二次元マップで可視化し、ポジショニング分析を行います。

カテゴリ回帰

マーケティング

性別・職業・地域などのカテゴリ変数を含む回帰モデルで、購買行動を分析します。

多次元尺度法（MDS）

学術研究

類似度評価データから対象間の距離構造を視覚化し、研究対象の構造を把握します。

主な搭載分析手法

1

カテゴリ回帰（CATREG）

順序型・名義型データを目的変数や説明変数に含む回帰分析。

2

コレスポンデンス分析

クロス集計表をもとに行カテゴリ・列カテゴリ間の関係を二次元マップで表現。

3

多重コレスポンデンス分析

3変数以上のカテゴリデータに対応した拡張版。

4

多次元尺度法（MDS）

類似性距離データから対象の知覚マップを構築する古典的手法。

SPSS Statistics Base ／ 関連モジュールとの関係

Categories は SPSS Statistics Base の上位に位置するアドオンで、Base 単体では実行できない手法を補完します。研究・業務内容に応じて関連モジュールと組み合わせることも可能です。

製品／モジュール主な役割本モジュールとの関係
SPSS Statistics Base基本的なクロス集計・カイ二乗検定本モジュールの前提。Baseに追加して利用。
SPSS Regression数値型データの回帰数値変数中心の回帰モデルが主目的の場合はこちら。

Categories の導入、お気軽にご相談ください

研究テーマ・業務要件に応じて、最適なモジュール構成をご提案します。
導入見積もり・アカデミック価格のご相談も承ります。

無料オンライン相談（30分） 価格・見積を依頼

お電話でのご相談：0120-835-761　受付 9:00–18:00（土日祝除く）

よくあるご質問

Q.コレスポンデンス分析だけのために導入する価値は？
ブランド調査・マーケティングリサーチで知覚マップを継続的に作成する場合は十分に価値があります。一度きりの分析であれば外部委託も検討候補です。
Q.カテゴリ回帰と通常の回帰の違いは？
通常の回帰は数値変数を扱いますが、カテゴリ回帰は順序・名義データを直接扱えます。アンケート分析や属性データの解析に最適です。
Q.MDS（多次元尺度法）はどんな場面で使いますか？
対象間の類似度評価データから視覚的にマッピングしたい場面で用います。ブランド・製品・選好構造の可視化に有効です。

お気軽にご相談ください0120-835-761受付時間 9:00-18:00 [ 土・日・祝日除く ]

問合せ・見積・注文をする お気軽にお問い合わせください