探究数据中微妙或隐藏的模式，发现数据中更复杂的关系，进而生成性能更佳的预测模型。
IBM SPSS Statistics 26 新功能
1、分析过程
对一组预测变量(自变量)与目标变量(因变量)的特定百分位数(即“分位数”,通常是中位数)之间的
关系建模。有关更多信息,请参阅分位数回归
分位数回归并不会假设目标变量的分布,它趋向于抑制偏离观测值的影响,并广泛用于生态、保健和金融
2、Roc分析
用电)般析续关知)与反曲生图使发克
且或成对主体生成的两个ROC曲线。有关更多信息,请参阅ROC分析
3、贝叶斯统计
单向重复测量 ANOVA
这个新过程按每个不同的时间点或条件测量同一个主体的一个因子,并允许这些主体在多个级
别内交叉。假定每个主体针对每个时间点或条件都进行单次观察(因此,不考虑主体处理交
4、单样本二项”增强功能
此过程提供用于对二项分布执行贝叶斯单样本推论的选项。有关参数为π,它表示可能导致成功
或失败的固定数量的试验中的成功概率。请注意,每个试验相互独立,并且概率π在每个试验中
保持相同。二项随机变量可被视为固定数量的独立 Bernoulli试验的总和。
5、单样本泊松增强功能
此过程提供用于对泊松分布执行贝叶斯单样本推论的选项。泊松分布(一种针对罕见事件的有
模型)假设在较小时间间隔内,半件发生的概率与等待时间的长度成比例,在得出对泊松分
布的贝叶斯统计推论时,将使用伽玛分布族中的共轭先验。
6、可靠件分析
过程已进行更新,现提供Fles多评分者 Kappa統计选项,这些选项评估评分者间一致性,以确定各种
评分者之间的可性。该一致性越高,评分反映实情况的置信度也越高。 Fleiss多评分者 Kappa选项
7、命令增强功能
1）MATRIX-END MATRIX命令
·可以使用长变量名称(限长64个字节)来命名矩阵或向量(例如, COMPUTE、cALL、 PRINT
READ、 WRITE、GET、SAVE、MGET、 MSAVE、 DISPLAY、 RELEASE,等等),
·包括在向量或矩阵对象中的变量名称将截断为8个字节。这是因为,矩阵向量结构是数值数组,每个
数值只能与最长B个字节的字符串匹配,只有在明确指定时,才支持长名称(最多64个字节)
·在GET和SAVE命今的/ VARIABLES子命令上明确指定时,以及在SAVE命令的/ STRINGS子命令
上指定时,支持长变二名称,在/ NAMES子命令中通过向黑来引用GET和SAVE命令的变二名称时
这些名称将截断为8个字节
GET、SAVE、MGET或 MSAVE语句同时支持数据引用和指定物理文件
· MATRIX-END MATRIX现在支持以前仅受 COMPUTE命令支持的統计函数(例如,工DF, CHISQ
cDF, NORMAL、 NCDF. F,等等)
2）GENLINMIXED命令
·新的协方差类型结构ARH1和csH-随机效应。在/RAND0M子命令上,已添加csH和ARH1选项(关
键字 COVARIANCE TYPE
新的协方差类型结构ARH1和csH-复效应。在/ DATA STRUCTURE子命令上,已添加CSH和
ARH选项(关键字 COVARIANCE TYPE)
MATRIX- END MATRIX现在支持以前仅受 COMPUTE命令支持的统计函数(例如,IDF, CHISQ
cDF, NORMAL、NCDF.F,等等)
3）GENLINMIXED命今
·新的协方差类型结构ARH和cSM-随机效应。在/RAND0M子命令上,已添加csH和ARH1选项(关
键字 COVARIANCE TYPE)
·新的协方差类型结构ARH1和csH-复效应。在/ DATA STRUCTURE子命令上,已添加csH和
ARH1选项(关键字 COVARIANCE TYPE)
· Kenward- Roger自由度方法,在/ BUILD_0 PTIONS子命令上,已添加 KENYARD ROGER选项(关
键字 DF METHOD)
· Kronecker协方差类型。在/ DATA STRUCTURE子命令上,已添加UNAR1、UNcs和UNWN选项
(关键字 COVARIANCE TYPE)
·新增的 KRONECKER MEASURES关键字。此关键字用来为/ DATA STRUCTURE子命令指定列变
显。仅当c0 VARIANCE TYPE是三种 Kronecker类型之一时,才应使用此关键字。
KRONECKER MEASURES的规则与 REPEATED MEASURES相同。这两个指定项都生效时,它们可能
有也可能没有公共字段,但不能完全相同(无论其顺序是否相同)
4）MIXED命今
·在 CRITERIA子命令上,已引入 DFMETHOD关键字。
REPEATED子命令上,已添加 KRONECKER关键字。仅当 COVTYPE是下列三种 Kronecker类型之
一时,才应使用此关键字。
在 REPEATED子命令的 COVTYPE关键字上,已添加UN_AR1、UN_cs和UNWN选项。
8、INSERT HIDDEN功能
您可在“生产设施”命令行界面中使用 INSERT HIDDEN功能,以将作业提交至 SPSS Statistics Server
通过将“生产设施”命令行界面与 Microsoft
s Task Scheduler,/ Macos automator配合使用以调度
作业,可以有效换 IBM SPSS Collaboration and Deployment Services来处理 SPSS Statistics作业
使用帮助
一、数据文件
数据文件有多种格式，而本软件被设计为可以处理其中的许多格式，包括：
Excel电子表格
来自许多数据库源（包括Oracle、SQLServer、DB2等等）的数据库表
制表符分隔类型、CSV类型和其他类型的简单文本文件
SAS数据文件
Stata数据文件
1、打开数据文件
除了以 IBM® SPSS® Statistics 格式保存的文件以外，还可以打开 Excel、SAS、Stata、制表符分隔文件和其他文件，而无需将文件转换为中间格式或输入数据定义信息。
打开数据文件会使其成为活动数据集。如果已经打开了一个或多个数据文件，则它们将保持打开状态，并可在以后的会话中使用。单击“数据编辑器”窗口中的任意位置会使打开的数据文件成为活动数据集。请参阅使用多数据源主题以获取更多信息。
在分布式分析中，使用远程服务器处理命令和运行过程的模式、可用的数据文件、文件夹和驱动器取决于远程服务器上可用的内容。当前服务器名称在对话框的顶部指明。除非将驱动器指定为共享设备，或者将包含数据文件的文件夹指定为共享文件夹，否则将不能访问
从菜单中选择：
文件 > 打开 > 数据...
在“打开数据”对话框中，选择要打开的文件。
单击打开。
根据需要，您可以：
根据观察值，最小化字符串宽度将每个字符串变量宽度自动设置为该变量的最长观察值。在 Unicode 方式下读取代码页数据文件时特别有用。请参阅一般选项主题以获取更多信息。
从电子表格文件的第一行读取变量名称。
指定电子表格文件中要读取的单元格范围。
指定 Excel 文件中要读取的工作表（Excel 95 或更高版本）。
2、数据文件类型
SPSS Statistics。打开以 IBM® SPSS® Statistics 格式保存的数据文件以及 DOS 产品 SPSS/PC+。
SPSSStatistics 压缩。打开以 IBM SPSS Statistics 压缩格式保存的数据文件。
SPSS/PC+。 打开 SPSS/PC+ 数据文件。此选项只在 Windows 操作系统中可用。
便携。 打开以可移植格式保存的数据文件。以可移植格式保存文件比以 IBM SPSS Statistics 格式保存文件所耗费的时间要长得多。
Excel。 打开 Excel 文件。
Lotus 1-2-3。 打开以 1-2-3 格式（对于 Lotus R3.0、2.0 或 1A）保存的数据文件。
SYLK。 打开以 SYLK（符号链接）格式保存的数据文件，SYLK 格式是部分电子表格应用程序所使用的格式。
dBASE。 打开 dBASE 格式文件（dBASE IV、dBASE III 或 III PLUS 或者 dBASE II）。每个个案均是一条记录。当您以这种格式保存文件时，变量和值标签以及缺失值的指定会丢失。
SAS。 SAS V6 - V9 和 SAS 传输文件。使用命令语法，您还可以从 SAS 格式目录文件中读取值标签。
Stata。 Stata V4 - V14（Stata 14 支持 Unicode 数据）。
3、读取Excel文件
本主题适用于 Excel 95 和更高版本文件。要读取 Excel 4 或更低版本，请参阅主题读取旧 Excel 文件和其他电子表格。
工作表
Excel 文件可以包含多个工作表。缺省情况下，数据编辑器读取第一张工作表。要读取其它工作表，请从列表中选择工作表。
范围(R)
也可以读取某个范围的单元格。请使用与在 Excel 中相同的方法指定单元格范围。例如：A1:D10。
从第一行数据读取变量名称
可以从文件的第一行或所定义的范围的第一行读取变量名称。不符合变量命名规则的值会转换为有效的变量名称，原始名称将用作变量标签。
用于确定数据类型的值的百分比
每个变量的数据类型由符合相同格式的值的百分比确定。
值必须大于 50。
用于确定百分比的分母为每个变量的非空值的数目。
如果指定百分比的值使用了不一致格式，那么会为变量指定字符串数据类型。
如果基于百分比值为变量指定了数字格式（包括日期和时间格式），那么会为不符合此格式的值指定系统缺失的值。
忽略隐藏的行和列
不会包含 Excel 文件中隐藏的行和列。此选项仅适用于 Excel 2007 和更高版本的文件（XLSX 和 XLSM）。
从字符串值移除前导空格
将移除字符串值开头的任何空格。
从字符串值移除尾部空格
将移除字符串值尾部的空格。此设置影响字符串变量的定义宽度的计算。
数据编辑器
数据编辑器提供一种类似电子表格的便利方法来创建和编辑数据文件。当您启动会话时，“数据编辑器”窗口自动打开。
数据编辑器提供数据的两种视图：
数据视图。 显示实际的数据值或定义的值标签。
变量视图。 显示变量定义信息，包括定义的变量标签和值标签、数据类型（例如，字符串、日期或数值）、测量级别（名义、序数或刻度）及用户定义的缺失值。
在两种视图中，您都可以添加、更改和删除包含在数据文件中的信息
1、数据视图
数据视图的许多功能类似于电子表格应用程序中提供的功能。不过，有一些重要的不同之处：
行为个案。每一行代表一个个案或一个观察值。例如，问卷的每个响应者都是一个个案。
列为变量。每一列代表一个要度量的变量或特征。例如，问卷中的每一项都是一个变量。
单元格包含值。每个单元格均包含某个个案的某个变量的单个值。单元格是个案和变量相交的位置。单元格仅包含数据值。与电子表格程序不同，数据编辑器中的单元格不能包含公式。
数据文件是矩形的。数据文件的尺寸由个案和变量的个数确定。您可以在任何单元格中输入数据。如果在定义的数据文件的界限以外的单元格中输入数据，则数据矩形将扩展以包含该单元格与文件界限之间的任何行和/或列。数据文件的界限内没有“空”单元格。对于数值变量，空白单元格会转换成系统缺失值。对于字符串变量，则将空白单元格视为有效值。
2、变量视图
“变量视图”包含对数据文件中每个变量的属性的描述。在“变量视图”中：
行为变量。
列为变量属性。
您可以添加或删除变量，以及修改变量属性，包括：
变量名称
数据类型
数字位数或字符个数
小数位数
描述性的变量标签和值标签
用户定义的缺失值
列宽
测量级别(T)
当您保存数据文件时，将保存所有这些属性。
除了在“变量视图”中定义变量属性以外，另外还有两种方法可用于定义变量属性：
“复制数据属性向导”使您能够使用外部 IBM® SPSS® Statistics 数据文件或当前会话中的另一数据集作为模板，用于定义活动数据集中的文件和变量的属性。您也可以将活动数据集中的变量用作活动数据集中其他变量的模板。“复制数据属性”可以在数据编辑器窗口的“数据”菜单上找到。 请参阅复制数据属性主题以获取更多信息。
“定义变量属性”（也在数据编辑器窗口的“数据”菜单上提供）扫描您的数据并列出任何选定变量的所有唯一数据值、标识未标注的值以及提供自动标注功能。这对于使用数值代码表示类别（例如，0 = Male，1 = Female）的分类变量特别有用。 请参阅定义变量属性主题以获取更多信息。
3、输入数据
在数据视图中，您可以在数据编辑器里直接输入数据。您可以以任何顺序输入数据。您可以在选定区域或个别单元格中，按个案或按变量输入数据。
突出显示活动单元格。
在数据编辑器左上角显示变量名称和活动单元格的行号。
当您选择一个单元格输入数据值时，该值显示在数据编辑器顶端的单元格编辑器中。
当按下回车键或选择另一个单元格时，数据值方被保存。
欲输入除简单数值数据外的任何其他数据时，您必须先定义变量类型。
如果在空列中输入一个值，数据编辑器将自动创建一个新变量并赋予一个变量名称。
4、编辑数据
通过数据编辑器，您可以在数据视图中以多种方法修改数据值。您可以：
更改数据值
剪切、复制并粘贴数据值
添加删除个案
添加删除变量
更改变量顺序
删除原有值，输入新值：
在数据视图中双击单元格。（单元格值显示在单元格编辑器中。）
在单元格或单元格编辑器中直接编辑值。
按回车键或选择另一个单元格保存新值
在数据编辑器中您可以对单个单元格值或组值进行剪切、复制和粘贴。您可以：
将一个单一单元格值移动或复制到另一个单元格
将一个单一单元格值移动或复制到一组单元格
将单个个案（行）的值移动或复制到多个个案
将单个变量（列）的值移动或复制到多个变量
将一组单元格值移动或复制到另一组单元格
复制和粘贴变量名称和标签。通过数据编辑器的右键单击菜单可以访问这些选项。
若源单元格与目标单元格的既定变量类型不同，数据编辑器会试图将该值转换。如果无法转换，将在目标单元格中插入系统缺失值。
将数值或日期转换为字符串。 数值（例如，数值、美元符号、点或逗号）和日期格式若被粘贴至字符串变量单元格，则将被转换为字符串。在单元格中显示时，字符串值为数值型值。例如，对于一个美元符号格式的变量，显示的美元符号图标则变成字符串值的一部分。超出既定字符串值宽度的值将被截去。
将字符串转换为数值或日期。 包含被目标单元格的数值或日期格式所接受字符的字符串值将被转换为同等的数值或日期值。例如，如果目标单元格的格式类型为日-月-年格式中的一种，则字符串 25/12/91 将被转换为有效日期，但如果目标单元格的格式类型为月-日-年格式中的一种，则该值将被转换为系统缺失值。
将日期转换为数值。 如果目标单元格为数值格式中的一种，则日期和时间值将被转换为秒数（例如，数值、美元符号、点或逗号）。因为日期从 1582 年 10 月 14 日开始被内部储存为秒数，且将日期转换为数值可以产生一些非常大的数字。例如，日期 10/29/91 被转换为数值 12,908,073,600。
将数值转换为日期或时间。 如果该值表示能产生有效日期或时间的秒数，则该数值将被转换为日期或时间。对于日期，小于 86,400 的数值将被转换为系统缺失值。
在空行的单元格值输入数据会自动创建一个新个案。数据编辑器将为所有个案中的所有其他变量插入系统缺失值。若在新个案和已有个案间存在任何空行，则该空行将成为具有用于所有变量的系统缺失值的新个案。您也可以在已有个案之间插入新个案。
4、在数据视图中查找和/或替换数据值或者在变量视图中查找和/或替换属性值：
在列中单击想要搜索的单元格。（禁止对单列的值进行查找和替换。）
从菜单中选择：
编辑 > 查找
或
编辑 > 替换
数据视图
不得在数据视图中搜索。搜索向导一般为不可按。
对于日期和时间，将搜索“数据视图”中显示的格式化值。例如，显示为 10/28/2007 的日期若以 10-28-2007 日期的形式就无法被找到。
对于其他数值变量，包含、开始以和结束以将搜索格式化值。例如，使用开始以选项，搜索值为 $123 的美元格式变量将找到 $123.00 和 $123.40，但找不到 $1,234。使用整个单元格选项，搜索值可以是已格式化的或未格式化的（简单 F 数值格式），但只匹配精确数值（根据“数据编辑器”中显示的精确度）。
数值系统缺失值由单个句点 (.) 代表，要查找系统缺失值，请输入单个句点作为搜索值并选择整个单元格。
若值标签显示为选定变量列，则标签文本而不是潜在数据值被找到，且您不能替换该标签文本。
变量视图
查找仅用于名称、标签、值、丢失以及自定义变量属性列。
替换仅用于标签、值以及自定义变量属性列。
在值（值标签）列中，搜索字符串可与数据值或值标签匹配。
注：对数据值的替换将删除任何与该值有关的原有值标签。
5、要为选定变量获取描述统计：
右键单击“数据视图”或“变量视图”中的选定变量。
从弹出菜单中选择描述统计。
缺省情况下，频率表（计数表）显示所有具有 24 个或较少唯一值的变量。汇总统计由变量测量级别和数据类型（数值或字符串）决定：
字符串。 不为字符串变量计算汇总统计。
数值、名义或未知测量级别。 范围、最小值、最大值、模式。
数值、有序测量级别。 范围、最小值、最大值、模式、平均值、中位数。
数值、连续（刻度）测量级别。 范围、最小值、最大值、模式、平均值、中位数、标准差。
还可以获取名义和有序变量的条形图、连续（刻度）变量的直方图，以及更改确定何时显示频率表的临界值。请参阅输出选项主题以获取更多信息。
常见问题
1、如何控制文本换行？
在透视表中控制文本换行：
激活透视表（在表的任意位置双击）。
从菜单中选择：
格式>表属性
在“常规”选项卡中，指定换行标签的最小列宽。
在单个表单元格中控制文本换行：
双击要编辑的单元格。
将光标定位到想要插入换行符的位置。
按住Ctrl的同时按Enter。
对于已定义的变量标签，还可以自动控制新表中标签的文本换行：
在数据编辑器中双击变量名称。
单击标签。
在变量标签中您要插入换行符的任何位置输入\n。
2、修改层标签
在透视表中修改层标签的文本或设置其格式：
双击透视表以激活它。
将层项旋转到行或列维度中。
按照行或列元素的修改方式修改标签。
将该项旋转回层维。
3、如何打印透视表的所有层？
要打印透视表的所有层（而非只打印顶层），请更改表的属性：
激活透视表（在表的任意位置双击）。
从菜单中选择：
格式 > 表属性...
单击打印选项卡。
选择显示所有层。
4、如何获取集成插件
要获得 IBM® SPSS® Statistics - Integration Plug-in for R：
安装 IBM SPSS Statistics - Essentials for R，可从 IBM SPSS Predictive Analytics 社区 (https://developer.ibm.com/predictiveanalytics/predictive-extensions/) 获取。IBM SPSS Statistics - Essentials for R 包含 IBM SPSS Statistics - Integration Plug-in for R 和一组通过 R 实现的扩展命令，它们提供内置 SPSS Statistics 过程没有提供的功能。Essentials for R 但它不包括 R 编程语言。在安装 IBM SPSS Statistics - Essentials for R 之前，如果尚未安装 R，需要先安装 R。可以从 http://www.r-project.org/ 获取该版本。我们建议使用 R 3.3.3。
有关 IBM SPSS Statistics - Integration Plug-in for R 安装和配置的详细信息，请参阅 IBM SPSS Statistics - Integration Plug-in for R 概述 wiki。
注： 如果要在不具有因特网访问的计算机上安装 Essentials for R，并计划使用 Essentials for R 包含的 R 扩展命令，那么必须获取这些命令所需的任何 R 程序包，并将其在 R 中手动安装。要确定特定 R 扩展命令,需要哪些 R 程序包，请打开“扩展中心”对话框（扩展 > 扩展中心），单击已安装选项卡，然后单击更多信息以获取所需扩展。所需 R 程序包将在“扩展详细信息”对话框中列出。可以从任何 R CRAN 镜像站点（可从 http://www.r-project.org/ 访问）获取 R 程序包。确保获取与 R 版本匹配的程序包的版本。特定于版本的程序包在 CRAN 镜像站点的“Contributed Packages”页面上的链接上提供。
要获得 IBM SPSS Statistics - Integration Plug-in for Python：
IBM SPSS Statistics - Integration Plug-in for Python 是 IBM SPSS Statistics - Essentials for Python 附带的，缺省情况下随 IBM SPSS Statistics 产品一起安装。Essentials for Python 还包含可用于所有操作系统（Windows、Linux、Mac OS 和 UNIX for IBM SPSS Statistics Server）的 Python V2.7 和 V3.4 以及一组以 Python 实现的扩展命令，此组命令提供了比内置 SPSS Statistics 过程更丰富的功能。#p#分页标题#e#
要获得 IBM SPSS Statistics - Integration Plug-in for Microsoft .NET：
IBM SPSS Statistics - Integration Plug-in for Microsoft .NET 随附 Programmability SDK 软件包。它仅可用于 Windows。
IBM SPSS Statistics - Integration Plug-in for Microsoft .NET 需要 Microsoft .NET Framework。从 Windows“控制面板”的“添加或删除程序”中可以检查是否已安装必需的 Microsoft .NET Framework。可以从 Microsoft 下载中心 (http://www.microsoft.com/downloads/en/default.aspx) 免费下载 Microsoft .NET Framework。
IBM SPSS Statistics - Integration Plug-in for Java™:
Integration Plug-in for Java 随 Core System 一起安装并且不需要单独安装。
IBM SPSS Predictive Analytics 社区 https://developer.ibm.com/predictiveanalytics/ 中提供了可用于集成插件的资源。 其中很多资源打包为扩展束，您可以从“扩展中心”下载这些扩展束。 可以通过选择扩展>扩展中心从菜单获取。
5、Unicode 方式
从版本 21 开始，IBM® SPSS® Statistics 在 Unicode 方式缺省情况下运行。如果您喜欢在代码页模式下工作，您可以更改缺省值：
在对话框界面中：“编辑 > 选项 > 语言”。在“数据和语法”组的“字符编码”中，请选择 Locale 的写入系统。请参阅语言选项主题以获取更多信息。
在命令语法中：SET UNICODE=NO。请参阅 UNICODE 子命令主题以获取更多信息。
在 Unicode 方式下打开代码页 IBM SPSS Statistics 数据文件或在代码页模式中以 Unicode 编码保存数据文件时，定义字符串宽度会自动扩大为原来的三倍。您可以使用更改类型在数据集每个字符串变量设置最长值的字符串宽度。
版本低于 V16.0 的 IBM SPSS Statistics 无法读取以 Unicode 编码保存的数据文件。
6、如何将字符串日期转换为真实日期？
IBM® SPSS® Statistics 从固定起始日期储存日期为秒数，使您可以使用日期进行多种计算，如确定两个日期之间所经过的时间。但是，有时来自其他数据源的日期会以字符串读取或存储在多个变量（例如日、月和年）。有多种函数用于转换这些格式到日期值，及多种函数用于执行日期计算。日期和时间向导中提供了最常见的日期转换和计算。
7、为什么来自Excel文件的日期会转换为字符串整数？
如果来自 Excel 的日期显示为字符串整数，通常指示在含有日期的 Excel 列中有一些非日期值。有关更多信息，请参阅以下技术说明：http://www.ibm.com/support/docview.wss?uid=swg21489431
8、为什么来自Excel文件的时间缺失？
如果使用数据库向导或 GET DATA /TYPE=ODBC 以读取 Excel 文件，时间可能会显示为系统缺失值。正确显示时间值：
在“数据编辑器”的“变量视图”中，单击在变量的“类型”单元格中显示的按钮。
在“变量类型”对话框，单击“日期”，然后选择来自列表其中一项时间格式（例如，hh:mm、hh:mm:ss 等）。
或
在语法窗口中，运行以下命令：
FORMATS varname (TIMEw.d)
w 是您要输出的字符总数，而 d 显示小数位数
日志：
的新增功能此页面简要概述了SPSS v26中的主要新功能。这些功能为Classic用户界面带来了许多理想的新统计测试，现有统计和脚本程序的增强，以及新的生产设施功能，这些功能都源于客户反馈。以下是您可以使用版本26中的新功能：
新的分析程序
分位数回归
在标准“最小二乘”回归中，模型预测基于单个回归线。该线可用于估计因变量的平均值，由在独立（预测变量）变量的给定值处的线聚类点表示（参见图1）
您可以从图表中注意到散点图中较高值附近的点似乎有轻微的“漏斗”。从技术上讲，这被称为“异方差性”，但更具有说服力，它只是表明模型在估计较高值时可能比较低值更差，因为这些点在线上变化更大。分位数回归为我们提供了使用中值而不是均值来拟合模型的机会。我们应该记住，中位数也称为第50百分位数，在这种情况下，百分位数和分位数指的是相同的东西。虽然没有理由相信基于拟合中值的线的回归比基于均值的回归更准确，但分位数回归足够灵活，允许我们根据其他百分位值拟合模型。换一种说法，我们可以为不同的百分位数拟合单独的回归线。例如，我们可以请求因变量的最低10％（分位数= 0.1）或最高90％（分位数= 0.9）的估计值。
这样做的结果是我们可以为因变量分布的不同部分生成单独的预测。在同一数据集上使用标准线性回归，我们得到一个用于估计受访者当前薪水的公式。这个公式由1.9的单一系数组成，这意味着对于每一美元的初始工资，被访者的当前工资收入为1.9美元。该公式还包含$ 1,928的常数值（或截距）。但是，没有理由假设相同的公式适用于当前薪资分配前10％的数据，或者说，最低25％。因此，分位数回归为每个请求的分位数产生单独的系数和截距值。新的分位数回归程序甚至绘制了这些值，如图3所示。
图表甚至显示了用于比较的标准（OLS）线性回归模型的参数值（如红线所示）。图3说明我们不仅得到20个百分位数（分位数0.2）与第80个百分位数（分位数0.8）的数据的不同截距值，而且我们还得到系数值的不同参数估计值。
ROC分析
新的ROC程序可以更容易地评估预测分类模型的准确性和性能。ROC（接收者操作员特征）分析特别关注模型的分类准确性，特别是关于准确分类（称为真阳性和真阴性）与不准确预测（假阳性和假阴性）之间的关系。这些通常由ROC曲线表示，该曲线在不同阈值设置下绘制真阳性率（TPR）与假阳性率（FPR）。新的ROC分析程序还包括精确回忆（PR）曲线，并提供用于比较从独立组或成对受试者生成的两条ROC曲线的选项。
贝叶斯统计
SPSS Statistics v26还包括其贝叶斯统计程序套件的增强功能。
单向重复测量ANOVA
重复测量增强允许分析人员采用贝叶斯方法来比较不同时间点或条件下同一受试者的给定因子的任何变化。假设每个受试者对每个时间点都有一次观察。
一个样本二项增强
在这里，用户可以应用贝叶斯二项式检验来尝试确定两组之间观察到的比率与群体中的假设比例相同的可能性。
一个样本泊松增强
与前面的过程一样，除了这里用户可以将它们的数据与它与泊松分布的拟合程度进行比较。这些分布对于诸如事故或保险索赔等罕见事件是有用的建模。当在泊松分布上绘制贝叶斯统计推断时，使用Gamma分布族内的先验共轭。
可靠性分析
对SPSS Statistics的可靠性程序进行了一些额外的增强。可靠性分析现已更新，为Fleiss的Multiple Rater Kappa统计数据提供了选项。在将分类评级分配给多个项目或对项目进行分类时，在评估固定数量的评估者之间的一致性的可靠性时，通常采用这种技术。这与其他kappa值（例如Cohen的kappa）形成对比，后者仅适用于最多两个评估者之间的协议评估。
