1.4 主要模块及功能简介

SPSS Statistics 18.0包含17个模块，这些模块的组合丰富了SPSS Statistics的分析功能。这17个模块分别介绍如下。

（1）SPSS Statistics Core

SPSS Statistics Core是SPSS Statistics软件运行的平台，确保您能综合使用SPSS Statistics软件的其他功能模块和Statistics家族的产品。在这个平台上，您可以完成任意需求的数据分析。该模块是从SPSS 18版本才开始有的，在以前版本中，它是和SPSS Statistics Base模块一起的。

（2）SPSS Statistics Base

SPSS Statistics Base模块是SPSS Statistics软件的基础模块，它提供数据访问、数据管理和准备、数据分析和报告、统计图表等功能。含有基本的统计分析过程，例如计数、交叉列表分析、描述统计、探索分析、均值比较、方差分析、相关性分析、非参数检验、多重响应分析、因子分析、线性回归、曲线估计、聚类分析、判别分析以及尺度分析等。

（3）SPSS Regression

SPSS Regression是非线性建模分析程序，使您能够应用高级、成熟的方法分析数据。当您预测行为和事件，而数据不满足线性回归假设时，可利用多项/二项Logistic回归、非线性回归、加权最小二乘、两阶段最小二乘、Probit等回归方法实现。

（4）SPSS Advanced Statistics

SPSS Advanced Statistics含有专门用以描述、拟合数据间内在复杂关系的统计方法，可以使分析更为准确，并得出更为可靠的结论。SPSS Advanced Statistics提供了一组功能强大的单变量及多变量的高级分析技巧。SPSS Advanced Statistics模块的多变量分析技术包括：广义线性模型（GZLMS）、混合模型、一般线性模型（GLM）、方差成分估计、MANOVA、Kaplan-Meire估计、Cox回归、层次对数线性模型、对数线性模型、生存分析等。

（5）SPSS Custom Tables

SPSS Custom Tables在创建表格的同时，能够实时更新，帮助分析人员在较少时间里，做出美观、精确的表格。利用SPSS Custom Tables可以展现调查、客户满意度、投票选举等的结果分析。灵活的交互功能，创建表格时的可预览性，及其统计推断和数据管理的能力，可以帮助用户方便清楚地了解结果。

（6）SPSS Categories

SPSS Categories可以图形化展示数据中的潜在关系，通过启发性的概念映射、最优尺度、偏好尺度和数据降维技术，揭示数据中全部潜在的关系。SPSS Categories为分析人员提供了深入分析复杂分类数据和高维数据的全部工具。通过SPSS Categories可以直观地解释数据，了解大型表中的计数、分级和排序中的关联情况。

（7）SPSS Exact Tests

为了确定变量之间的关系，研究人员往往首先查看交叉表或非参数检验中的P值。如果数据满足潜在的假设，用传统的计算方法是可以的。但是，如果数据属于小样本，或数据变量中很高的比例集中于某一类别，或者不得不将数据细分为几个类别，传统的检验方法将不能得出正确结论。SPSS Exact Tests可以得到更为准确的结果。

（8）SPSS Missing Values

利用SPSS Missing Values填充缺失数据，建立更佳模型，得到更有效的结论。缺失值可能会严重影响分析结果，如果把它们忽略、或者计算时排除它们，很可能会得出不正确的结论。SPSS Missing Values是每位关心数据有效性的分析人员的有利工具，该模块提供六种缺失值诊断报告，使分析人员可以从多个角度检查数据，发现数据缺失模式。然后，分析人员可以估计摘要统计量，并利用统计方法填充缺失值。

（9）SPSS Conjoint

SPSS Conjoint是用来模拟消费者决策过程的研究工具。SPSS Conjoint能加强对消费者偏好的理解，更有效地进行产品设计、定价和营销；帮助衡量产品或服务在消费者心中的位置。具备了这些知识，公司在设计产品时，就能把对于目标市场最重要的属性特征包含进来，根据这些属性值进行定价，并专注于最有可能吸引目标购买者的点上。即使市场上的竞争者、产品和价格随时间发生改变，依然可以继续利用由SPSS Conjoint得出的结果来模拟情况发生变动后的市场。这样在投入大量资源进行产品开发和营销活动前，就能够提前预测市场的响应。

（10）SPSS Complex Samples

SPSS Complex Samples提供了专门的统计工具，帮助计算出复杂抽样设计的统计量和标准误差。绝大多数常规的统计软件都假定数据是通过简单随机抽样取得的，而简单随机抽样在大多数大规模调查中既不现实也不经济。此外，用常规统计分析方法分析此类样本数据有得到错误结果的风险。例如，统计数据的估计标准误差经常太小，易导致对精度产生错误的认识。SPSS Complex Samples将抽样设计融合到调查分析中，因此能在由复杂抽样得到的总体中获得更加有效的统计推论。

（11）SPSS Decision Trees

SPSS Decision Trees能识别群体及预测结果。SPSS Decision Trees模块能够直接创建分类决策树，帮助快速并准确地识别群体，发现群体之间的关系并预测未来事件。可以应用分类决策树于分段、分层、预测、数据降维、变量筛选、类别合并，以及连续变量离散化等。高度形象化的图解以非常直观的方式展现分类结果，分析人员可以清楚地把分类结果给业务人员解释。这些树也方便探索结果，并直观地确定模型是如何展开的。直观的结果能够帮助分析人员找出具体的子群以及通过传统的统计方法难以发现的关系。

（12）SPSS Data Preparation

SPSS Data Preparation可强化数据校验工作，从而获得更准确的分析结果。该模块使分析人员能够简单便捷地识别可疑或无效的观测、变量以及数据值；了解数据缺失的模式，总结变量的分布。SPSS Data Preparation使数据校验效率化、流程化，简化了数据校验过程，可迅速地完成分析之前的数据准备，并使结果更为精确。

（13）SPSS Forecasting

该模块利用完备的时间序列模型提高预测能力，包括多重曲线拟合、平滑以及自回归方程估计。利用专家建模器，可自动从ARIMA和指数平滑模型中选择最佳拟合时间序列和因变量的模型，避免反复选择模型的工作。

（14）SPSS Statistics Adapter

企业用户通过SPSS Adapter可获得管理分析资产和分析过程的强大能力。SPSS Adapter使得SPSS统计分析产品可与SPSS PES（现在已经更名为CDS）平台整合在一起。这种企业级水平的应用为数据和模型提供了集成化、保密性强、可审查的资源管理器。

（15）SPSS Neural Networks

SPSS神经网络模块可用来建模数据中复杂的输入输出之间的关系或者数据之间的模式。可以选择分类算法（分类输出）或者预测算法（数值型输出），目前可用的两类算法是多层感知器学习算法和径向基函数(RBF)。

（16）SPSS Direct Marketing

SPSS EZ RFM基于最近购买（Recency）、频率（Frequency）、金额（Monetary）来细分消费群体，为市场营销者瞄准目标市场提供了所需工具。此类RFM分析以前是比较困难的，现在SPSS的市场直销（SPSS Direct Marketing）模块就可以方便地进行EZ RFM分析。

（17）SPSS Bootstrapping

SPSS Bootstrapping模块可帮助创建更加可靠的模型，得到更加精确的结果。只要模型是稳定的，它就可以产生准确、可靠的结果。无论公共部门的学术、科研工作，还是企业的决策部门，bootstrapping都是一种较好的检测模型稳定性的技术。SPSS Bootstrapping模块使得这种技术变得非常简单，并且容易实现。SPSS Bootstrapping通过重复抽样，快捷地估计出观测值的分布，估计标准误差和总体参数的置信区间，估计平均、中位数、比例、优势比、相关系数、回归系数以及其他统计量。并且SPSS Bootstrapping方法可以减小离群值和异常值的影响。因此，可以更加清楚地了解建模的数据。

另外，SPSS从版本17开始提供了R编程支持。只要安装了R插件，在SPSS中就可以调用R的所有统计分析程序，这大大地扩展了SPSS统计分析软件的功能。