IBM SPSS Advanced Statistics—功能强大的建模技术，用于分析复杂的关系 IBM SPSS Advanced Statistics 提供单变量和多变量的建模技术，帮助用户在处理描述复杂关系的数据时，得到最准确的结论。通过频繁应用这些成熟的分析技术，可以从各学科（例如，医学研究、制造、制药和市场研究）使用的数据中获得更深入的洞察力。
软件说明
IBM SPSS Advanced Statistics 提供以下功能：
- 一般线性模型 (GLM) 和混合模型程序。
- 广义线性模型 (GENLIN)，包括广泛使用的统计模型，例如针对正态分布数据的线性回归、针对二元数据的逻辑模型，以及针对计数数据的对数线性模型。
- 线性混合模型（也称为分层线性模型，HLM）扩展了 GLM 程序中使用的一般线性模型，使您能够分析具有相关性和非恒定可变性（non-constant variability）的数据。
- 广义估算方程 (GEE) 程序扩展了广义线性模型，适用于关联的纵向数据和聚类数据。
- 广义线性混合模型 (GLMM)，用于分层数据和各种结果，包括序数值。
- 生存分析程序，用于检验生存期数据或持续时间数据。
通用线性模型 (GLM)
- 描述因变量与一组自变量之间的关系。模型包括线性回归、方差分析 (ANOVA)、协方差分析 (ANCOVA)、多变量方差分析 (MANOVA) 和多变量协方差分析 (MANCOVA)。
- 使用灵活的设计与对比选项，估算平均值和方差，并测试和预测平均值。
- 混合并匹配分类预测因素和连续预测因素，以构建模型，从众多模型构建可能性中进行选择。
- 预测非线性结果（例如，客户可能购买什么商品）时，通过考虑分层和嵌套数据结构，使用线性混合模型获得更为准确的结果。
- 用公式表示数十个模型，包括裂区实验设计（split-plot design）、具有固定效应协方差的多层统计分析模型（multi-level models with fixed-effects covariance）和完全随机区组设计（randomized complete blocks design）。
广义线性模型 (GENLIN)
- 提供一个统一的框架，包含因变量服从正态分布的经典线性模型、针对二元数据的 logistic 模型和 probit 模型、针对计数数据的对数线性模型，以及各种其他非标准的回归类型的模型。
- 应用众多实用的常规统计模型，包括序数回归、Tweedie 回归、Poisson 回归、Gamma 回归和负二项回归
线性混合模型/分层线性模型 (HLM)
- 可对带有相关性和非恒定可变性的数据的平均值、方差和协方差进行建模，如归属于教室中的学生（students nested within classrooms）或归属于家庭中的消费者（consumers nested within families）。
- 用公式表示数十个模型，包括裂区实验设计、具有固定效应协方差的多层模型和完全随机区组设计。
- 从 11 个非空间协方差类型中选择，包括 first-order ante-dependence、heterogeneous 和一阶自回归。
- 在与重复测量数据一起使用时获得更准确的结果，包括不同数目的重复测量和/或不同个例的不同时间间隔的情况。
广义估计方程 (GEE) 程序
- 扩展广义线性模型，使其适用于关联的纵向数据和聚类数据。
- 对象中的模型关联
广义线性混合模型 (GLMM)
- 访问、管理和分析几乎任何类型的数据集，包括调研数据、企业数据库或从 Web 下载的数据。
- 采用序数值运行 GLMM 程序，以在预测非线性结果（例如，客户满意度处于低、中还是高水平）时，构建更准确的模型。
生存分析程序
- 从灵活全面的一组技术中进行选择，以了解零件故障率、死亡率或存活率等终止事件。
- 使用 Kaplan-Meier 估算对事件的时间长度加以测量。
- 选择 Cox 回归执行比例风险回归，以响应时间（time-to-response）或疗效持续时间（duration response）作为因变量。