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。