進階統計量簡介

「進階統計量」所提供的程序會提供比 SPSS® Statistics Standard Edition 或「進階統計量」選項中可用之選項更多的進階建模選項。

• 「GLM 多變量」會延伸由「GLM 單變量」所提供的一般線性模型，以允許多重因變數。進一步的延伸（GLM 重複測量）可允許多重因變數的重複測量。
• 「變異成份分析」是一項特定工具，可將因變數中的變異性分解為固定與隨機成份。
• 「線性混合模型」會延伸一般線性模型，以使資料能夠展示相關和非常數變異性。因此，混合線性模型不僅能夠彈性建立資料平均數的模式，還能建立變異數和共變異數的模式。
• 「概化線性模型 (GZLM)」會放寬誤差項的常態假設，而且僅要求因變數透過轉換或連結函數，與預測變數呈線性相關。「廣義估計方程式 (GEE)」會延伸 GZLM，以允許重複測量。
• 「一般對數線性分析」可讓您配適交叉分類個數資料的模式，而「模式選擇對數線性分析」可協助您在模式間進行選擇。
• 「對數成敗比對數線性分析」可讓您配適對數線性模型，以用於分析類別因變數與一或多個類別預測變數間的關係。
• 存活分析可透過「生命表」加以使用，可用於檢驗時間對事件變數的分配 (可能是透過因素變數層級)；「Kaplan-Meier 存活分析」，可用於檢驗時間對事件變數的分配 (可能是透過因素變數層級或是依分層變數的層級來產生個別分析)；以及「Cox 迴歸」，可根據指定共變量的值，將時間模式化為指定事件。
• 「Bayesian 統計」分析基於觀察資料及有關不明參數的事前資訊，透過產生這些參數的事後分配進行推論。IBM® SPSS Statistics 中的「Bayesian 統計」特別著重於單一樣本分析之平均數上的推論，其包括 Bayes 因素單一樣本（兩個樣本配對）、t 檢定及透過描述事後分配進行的 Bayes 推論。