當您面臨資料複雜的關係，IBM® SPSS® Advanced Statistics (原 PASW® Advanced Statistics) 使用分析更準確並且能得到更可靠的分析結果。

IBM SPSS Advanced Statistics提供更高階的分析技術，針對現實世界的各種問題，包括醫學研究、製造，醫藥，和市場研究。

IBM SPSS Advanced Statistics 提供強大與先進的單變量與多變量分析技術，包括：

• 廣義線性混合模型(GLMM) 可分析分層資料。
• 一般線性模型(GLM) 與混合模式程序。
• 廣義線性模型(GENLIN)， 包含廣泛的統計模型，例如對常態分配的資料-線性迴歸、對二元分配的資料-邏吉斯迴歸、對計數資料-對數線性模型。
• 透過其本身的一般模型制定，廣義線性模型也提供很多相當有用的統計模型。
• 廣義估計方程(GEE)程序擴展廣義線性模型以符合相關的長期追蹤資料與成群的資料特性。

針對更為特殊資料屬性結構的進階統計模型，包含：

• GLM-General Linear Models (ANOVA、ANCOVA、MANOVA、Repeated Measures) 一般線性模式
• 廣義線性混合模式(Generalized Linear Mixed Models, GLMM)
• 變異數成份(Variance Components, VARCOMP)
• 線性混合模型(Linear Mixed Models, MIXED)
• 對數線性模式(Loglinear Analysis , LOGLINEAR)
• 階層對數線性模式(Hierarchical loglinear models , HILOGLINEAR)
• 一般對數線性模式(General Loglinear Analysis , GENLOG)
• 存活分析(Survival Analysis)：Cox 迴歸(Cox Regression)、生命表、Kaplan-Meier存活分析、計算依時共變量。
• 概化線性模式(Generalized Linear Models, GENLIN)：廣泛使用的統計模型，例如常態分配資料之線性迴歸，二元資料之羅吉斯模型及計數資料的對數線性模型。這個程序也透過其一般化的模型公式提供很多有用的統計模型，如次序迴歸、Tweedie迴歸、卜瓦松迴歸、Gamma迴歸及負二項式迴歸。
• 概化估計方程式(Generalized Estimating Equations, GEE)：可延伸概化線性模式，允許依變數在重複量測下導致的相關性，常應用於醫學研究等樣本不易取得的情況。