模块介绍
Base
必需的基础模块，管理整个软件平台，管理数据访问、数据处理和输出，并能进行很多种常见基本统计分析。基本统计分析功能包括描述统计和行列计算，还包括在基本分析中最受欢迎的常见统计功能，如汇总、计数、交叉分析、分类比较、描述性统计、因子分析、回归分析及聚类分析等等。
Advanced Statistics
在分析数据时，除了基本的数据分析外，如果还想建立分析过程数据，就需要使用Advanced Models，为顺序结果建立更灵活、更成熟的模型，在处理嵌套数据时得到更精确的预测模型，可以分析事件历史和持续时间的数据。具体功能包括：广义线性模型（GZLMS）、广义估计方程（GEES）、混合模型、一般线性模型（GLM）、方差成分估计、MANOVA、Kaplan-Meire 估计、Cox 回归、多因子系统模式的对数线性模型、对数线性模型、生存分析。
Regression
大量的非线性建模工具、多维尺度分析帮助研究人员进行非线性回归分析。它将数据从数据约束中解放出来，方便地把数据分成两组，建立可控制的模型及表达式进行非线性模型的参数估计，能够建立比简单线性回归模型更好的预测模型。
Custom Tables
提供35 种单元和摘要统计量，能够更方便地显示多重序列数据，它能串接所有的维度，以在同一表格中显示包含不同统计量的各种变量。Tables 用更深入的分析，轻松地处理复选题与缺失值，用包括所有统计量、易于理解的表格来展现分析结果，通过完整的表格控制权，研究人员还可以自制表格，创造优美外观。
Data Preparation
在预处理数据时轻易地识别错误的和无效的观测、变量和数据，找出多元的极端值，执行数据检验，为建模预处理数据。确认可疑的或者残缺的案例，查看数据缺失模式。
Missing Values
缺失数据会带来偏差或错误的分析结果，简单代入法或者简单的回归法都不能正确地填补缺失值，Missing Values Analysis 帮助研究人员在分析过程中排除数据中隐含的偏差，得出更精确的结论。Missing Values Analysis 用六种灵活的诊断报告来评估缺失值是否会影响分析结论，更好地了解它们的特性。
Forecasting
Forecasting 是目前功能最强的时间序列分析工具，是分析历史资料、建立模型与预测未来事件的强有力的工具，能帮助研究人员做更好的预测。Forecasting 利用完备的时间序列提高预测能力，包括多重曲线拟合、平滑以及自回归方程估计。
Categories
Categories 是优秀的对应分析程序，用启发性的二维图和感知图让您清晰地看到数据中的关系，使您可以更完整和方便地分析数据。Categories 提供非线性主成分分析来描述数据，并用图标清楚地展示数据中的关系，展示并分享动态、交互的分析结果，让您从分类数据中得到更丰富的信息。
Decision Trees
Decision Trees 模块基于数据挖掘中发展起来的树结构模型对分类变量或连续变量进行预测，可以方便、快速的对样本进行细分。它可直接在PASW STATISTICS 内做分类区分，用Syntax 撰写或用XML 来储存设定。使用Classification Trees 还可建立决策树来确认分组并预测结果，利用直觉式的树形图，颜色分类图，和表格协助研究人员轻松确认和评估区隔。