• 线性模型提供各种回归和高级统计程序，旨在适应描述复杂关系的数据的固有特征。
• 非线性模型能够将较为复杂的模型应用于数据。
• 地理空间分析支持用户对位置和时间数据进行集成、探索和建模。
• 模拟功能帮助分析人员自动模拟许多可能的结果（输入不确定时），同时改进风险分析和决策制定。
• 定制表使用户能够轻松理解其数据，并针对不同受众以不同风格快速汇总结果。
• 数据准备简化了分析过程的数据准备阶段。
• 数据有效性和缺失值检查提升了获得有显著统计意义结果的几率。
• 分类数据和数字数据可用于预测结果并以图形方式显示关系。

• 决策树可更方便地标识组、发现各个组之间的关系和预测未来事件。
• 预测功能帮助您更快地分析历史数据并预测趋势。
• 结构方程式建模工具使您能够以更准确的方式构建结构方程式模型，比使用直观的拖放功能设计的标准多变量统计模型更准确。
• 引导程序简化了对模型稳定性和可靠性的测试，使生成的结果更加准确可靠。
• 高级采样评估和测试通过将样本设计整合到调查分析中，生成从统计意义而言更为有效的推论。
• 直接市场营销和产品决策工具可帮助市场营销人员更轻松地发现适合的客户，提升营销活动效果。
• 高端图表（High-end charts）使用户可以在一系列平台和智能设备上方便地创建和共享吸引人的可视化效果，并与之进行交互。

提供 SEM

• 使用拖放式绘图和编辑工具，快速构建图形模型。
• 创建真实反映复杂关系的模型。
• 使用任何数值（无论是观测变量还是潜变量）来预测任何其他数值。
• 使用非图形脚本编制功能快速运行大型的复杂模型，并生成略有区别的类似模型。
• 利用多变量分析扩展标准方法，例如，回归、因子分析、差异的关联和分析。

使用贝叶斯算法分析

• 通过指定内容丰富的先验分布，改进估算。
• 利用可自动调整的底层“马尔可夫链蒙特卡尔理论 (Markov chain Monte Carlo, MCMC)”计算方法。
• 以有序的分类数据和审查数据执行估算。
• 使用简化的方法，指定用户定义的估算。
• 基于非数字数据创建模型，而无需将数字分数分配给数据。
• 使用审查数据，而无需进行除正常情况之外的假定。

提供各种数据归因方法

• 使用回归归因创建单一完整的数据集。
• 使用随机回归归因或贝叶斯算法归因创建多个归因的数据集。
• 您还可以归因缺失值或潜在变量分数。