與 SPSS Statistics Standard Edition 或“高級統(tǒng)計”選項中提供的建模選項相比，“高級統(tǒng)計”提供的過程提供了更高級的建模選項。

　　“GLM 多變量”對“GLM 單變量”提供的一般線性模型進行了擴展，以允許使用多個因變量。更進一步的擴展“GLM 重復(fù)測量”允許重復(fù)測量多個因變量。

　　“方差成分分析”是將因變量的可變性分解為固定和隨機成分的特定工具。

　　“線性混合模型”對一般線性模型進行了擴展，因此允許數(shù)據(jù)表現(xiàn)出相關(guān)的和不恒定的可變性。因此，線性混合模型提供了不僅能夠就數(shù)據(jù)的平均值還能夠就其方差和協(xié)方差建模的靈活性。

　　“廣義線性模型”（GZLM） 放寬了誤差項的正態(tài)假設(shè)，僅要求因變量通過轉(zhuǎn)換或關(guān)聯(lián)函數(shù)與預(yù)測變量線性相關(guān)。

　　“廣義估計方程”（GEE） 對 GZLM 進行了擴展，以允許重復(fù)測量。

　　“一般對數(shù)線性分析”允許您為交叉分類計數(shù)數(shù)據(jù)擬合模型，“模型選擇對數(shù)線性分析”可幫助您在模型間選擇。

　　“Logit 對數(shù)線性分析”允許您擬合對數(shù)線性模型來分析分類因變量與一個或多個分類預(yù)測變量之間的關(guān)系。v “生存”分析通過“壽命表”提供，用于檢查時間事件變量的分布，可能按因子變量水平分析；“Kaplan-Meier”生存分析用于檢查時間事件變量的分布，可能按因子變量水平分析，或按分層變量水平產(chǎn)生單獨的分析；“Cox 回歸”用于根據(jù)給定協(xié)變量的值對指定事件的時間建模。

　　貝葉斯統(tǒng)計分析通過根據(jù)觀察到的數(shù)據(jù)和有關(guān)參數(shù)的先驗信息生成未知參數(shù)的后驗分布來進行推論。 IBM ?SPSS Statistics 中的貝葉斯統(tǒng)計側(cè)重于對單一樣本分析平均值的推論，包括貝葉斯因子單一樣本（配對的雙樣本）、t 檢驗和貝葉斯推論（通過描述后驗分布的特征）。