Advanced Statistics 主要提供一些复杂试验和生物医学研究中常用的技术。它包括一些
用于一般线性模型 (GLM)、线性混合模型、方差成分分析、对数线性分析、序数回归、
保险精算寿命表、Kaplan-Meier 生存分析以及基础和扩展 Cox 回归的过程。
Bootstrap 方法可以导出稳健的标准误估计值，并能为诸如均值、中位数、比例、几率
比、相关系数或回归系数等估计值导出置信区间。
Categories 执行最优尺度过程，包括对应分析。
Complex Samples 使得调查、市场、卫生和民意研究者以及使用抽样调查方法的社会学
家能够将他们复杂的样本设计并入数据分析中。
Conjoint 提供度量单个产品属性如何影响消费者和市民偏好的现实的方
式。使用
Conjoint，您可以轻松地在一组产品属性的环境中度量每个产品属性的折衷效应—如同
消费者在进行采购决策时所做的一样。
Custom Tables 可创建各种具有演示质量的表格式报表，包括复杂的行列表和多重
响应数据的显示。
Data Preparation 提供数据的快捷可视快照。使用它可以应用标识无效数据值的验证
规则。您可以创建标记超出范围的值、缺失值或空值的规则。还可以保存记录个别规
则的违反和每个个案的规则违反总数的变量。还提供了可以复制或修改的一组有限的
预定义规则。
Decision Trees 创建基于树的分类模型。它将个案分为若干组，或根据自变量（预测
变量）的值预测因变量（目标变量）的值。此过程为探索性和证实性分类分析提供验
证工具。
Direct Marketing 使组织能够通过专为直销设计的方法确保其营销计划尽可能地发
挥效力。
Exact Tests 可在小样本或分布非常不均匀的样本可能导致常规检验不准确的情况下计
算统计检验的精确的 p 值。此选项只在 Windows 操作系统中可用。
Forecasting 通过使用多种曲线拟合模型、平滑模型和用于估计自回归函数的方法，执
行综合的预测和时间序列分析。
Missing Values 描述了缺失数据的模式、估计均值和其他统计量，并为缺失观察值
归因值。
Neural Networks可以通过将产品需求预测为价格函数以及其他变量的函数或根据购买习
惯和人口统计特征分类客户来制定经营决策。神经网络是非线性数据建模工具。它们可
以用来建立输入与输出之间的复杂关系模型，也可用来查找数据中的模式。
Regression 提供了用于分析那些不能拟合传统线性统计模型的数据的方法。它包括
一些用于 probit 分析、logistic 回归、权重估计、两阶段最小平方回归和常规非
线性回归的过程。
Amos（矩™结构的™分析™）使用结构化方程建模以确认和解释涉及态度、观念和其他
驱动行为的因素的概念模型。
培训讲座
IBM Corp. 提供公开的以及现场的 IBM® SPSS® Statistics 培训讲座。所有讲座都是以
实践小组为特色的。讲座将定期在美国和欧洲的主要城市举办。有关这些讲座的更多信
息，请前往 http://www.ibm.com/software/analytics/spss/training/。
iv
