赢得新的商机
使用PLUM过程，测定哪一种促销品最能触发顾客购买您产品的兴趣。

提高客户忠诚度
生存分析（Survival analysis）为您识别出短期内有可能流失的客户，这样您就可以及时采取行动维持他们的忠诚度。

增加交叉销售额
使用一般线性模型（GLM）过程，根据产品特性和购买相关变量测定出关键字段；然后基于背景特性详细描绘那些字段。

理解顾客的行为表现
测定最有兴趣购买您产品的那部分顾客，发现保持他们购买热情的原因。

"除了基本的数据分析以外，如果您还想建立分析过程数据，您需要使用SPSS Advanced Models。"

增强的一般线性模型(General Linear Model，GLM)为您提供了更多用途。方差分析表是两个结果表格之一。适合数据内在特性的处理过程可以得到更加精确的分析和更可靠的结论。SPSS Advanced Models提供了一组成熟的单变量和多变量分析技术来解决现实问题，它可以帮您完成诸如以下任务：

	医学研究：分析病人存活率
	制造业：评估生产程序
	制药：向FDA(食品及药物管理局)提交检验报告
	市场研究：确定产品效益

方便地为顺序结果建立模型

用PLUM预示多于两个类别的顺序结果。例如，客户对产品的感兴趣水平(低、中和高)。 这把您从诸如低/高问题的数据约束中解放出来。PLUM可以控制用于估计的交互算法，为检查奇异点指定数字公差，并定制您的输出。 用PLUM提供的五种连接函数指定您的模型。通过直接指定零假设为参数的线性联合来定制假设检验。

建立更灵活的模型

一流的GLM程序为描述从属变量类别和一组独立变量之间的关系提供了更多的灵活性。模型包括线性回归预示值、ANOVA、ANVOCA、MANOVA和MANCOVA。GLM也包含重复测度、混合模型、post hoc检验、四种类型的平方和、期望边沿均值配对比较、熟练处理缺失单元和设计矩阵及作用文件保存选项。

把方差分解为成分

方差构成估计程序提供了大量方法来估计混合模型中每种随机效果的方差元素。在提供正确效
果检验的GLM分析之后，用方差构成估计分析来估计随机因子的方差。

应用更成熟的模型

当数据不符合简单技术要求的假设时，可以使用SPSS Advanced Models。它包括对数线性(loglinear)和分级对数线性分析，用于建立计数数据复合表格模型。一般对数线性分析程序可以对落入交叉表或列联表中每一个交叉分类类别的观察数据的频数计数进行分析。您可以选择多至10个因子来定义表格单元。而且，SPSS自动显示模型信息和拟合度统计结果。您也可以显示多种统计结果和图表，或者在工作数据文件中保存残余和预示的变量。

处理嵌套数据得到更准确的预测模型

在GLM程序中扩展广义线性模型到混合模型，使您能够分析含有相关性和非恒定可变性（non-constant variability）的数据。 例如：当处理诸如学生资料嵌套在教室资料中，或顾客资料嵌套在家庭资料中的数据时可改善模型准确性。混合模型不仅能列出均值模型而且能列出方差协方差模型。 这种灵活性使您能够列出大量的模型形式，解决包含不完全重复测量在内的重复测量设计问题。您也能够处理广泛的模型类型包括:固定效应方差分析模型，随机完全区组设计（Randomized Complete Blocks Design），裂区设计（Split-Plot Design）， 纯随机效应模型（Purely Random Effects Model），随机系数模型（Random Coefficient Model），多水平分析（MultilevelAnalysis），非条件线性生长模型（Unconditional Linear Growth Model）,具有皮尔逊协变量的线性生长模型（Linear Growth Model with a Person-Level Covariate），重复测量分析，具有依时协变量的重复测量分析(Repeat Measures Analysis with Time-Dependent Covariates)。

分析事件历史和持续时间数据

SPSS Advanced Models可以检查生命周期或持续时间数据，以了解末端时间，如部分失败、 死亡或存活。该模块包括一流的存活分析、Kaplan-Meier和Cox回归，Kaplan-Meier估计用于测量事件的时间长度，Cox回归用于比例危害回归，把响应时间或期间作为从属变量类别。这些分析过程和生命表一起提供了一组灵活全面的生存数据处理技术。

自定义您的工具，用于更专门的用途

SPSS Advanced Models可以用内建的宏程序库进一步地定制工具组，以便扩展分析功能。两个可以即时使用的宏程序用于特殊统计分析：规范相关，包括冗余分析和岭(ridge)回归。也可以用矩阵语言建立您自己的统计过程。