IBM SPSS Advanced Statistics

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。