SPSSPRO，全稱Scientific Platform Serving for Statistics Professional是一個(gè)在線數(shù)據(jù)分析平臺(tái)，高校用戶已超過(guò)100萬(wàn)，為全國(guó)大學(xué)生數(shù)學(xué)建模大賽及其他學(xué)術(shù)大賽提供數(shù)據(jù)分析服務(wù)。SPSSPRO已經(jīng)在經(jīng)濟(jì)管理、醫(yī)療衛(wèi)生、自然科學(xué)等多個(gè)領(lǐng)域廣泛應(yīng)用，內(nèi)置超過(guò)300種專業(yè)數(shù)據(jù)分析算法，包括相關(guān)性分析、線性回歸分析、生存分析、信度分析等。

數(shù)據(jù)處理：個(gè)案處理

數(shù)據(jù)處理：缺失值處理

數(shù)據(jù)處理：生成變量

數(shù)據(jù)處理：時(shí)序窗口滑動(dòng)轉(zhuǎn)換

數(shù)據(jù)處理：數(shù)據(jù)標(biāo)簽

數(shù)據(jù)處理：數(shù)據(jù)標(biāo)準(zhǔn)化

數(shù)據(jù)處理：數(shù)據(jù)降維

數(shù)據(jù)處理：縮尾截尾處理

數(shù)據(jù)處理：虛擬變量處理

數(shù)據(jù)處理：樣本均衡

數(shù)據(jù)處理：異常值處理

描述性分析：分類匯總

描述性分析：列聯(lián)（交叉）分析

描述性分析：描述性統(tǒng)計(jì)

描述性分析：頻數(shù)分析

描述性分析：正態(tài)性檢驗(yàn)

問(wèn)卷分析：NPS凈推薦值分析

問(wèn)卷分析：sem結(jié)構(gòu)方程模型

問(wèn)卷分析：對(duì)應(yīng)分析

問(wèn)卷分析：多維尺度分析

問(wèn)卷分析：多選分析

問(wèn)卷分析：交叉分析【單選&多選】

問(wèn)卷分析：交叉分析【多選&單選】

問(wèn)卷分析：交叉分析【多選&多選】

問(wèn)卷分析：客戶價(jià)值劃分

問(wèn)卷分析：路徑分析

問(wèn)卷分析：區(qū)分度分析

問(wèn)卷分析：熵權(quán)法

問(wèn)卷分析：調(diào)節(jié)作用

問(wèn)卷分析：效度分析

問(wèn)卷分析：信度分析

問(wèn)卷分析：驗(yàn)證性因子分析

綜合評(píng)價(jià)：TOPSIS

綜合評(píng)價(jià)：VIKOR

綜合評(píng)價(jià)：層次分析法專業(yè)版

綜合評(píng)價(jià)：灰色關(guān)聯(lián)度分析

綜合評(píng)價(jià)：解釋結(jié)構(gòu)模型（ISM）

綜合評(píng)價(jià)：模糊綜合評(píng)價(jià)

綜合評(píng)價(jià)：耦合協(xié)調(diào)度

綜合評(píng)價(jià)：因子分析

綜合評(píng)價(jià)：秩和比綜合評(píng)價(jià)法（RSR）

差異性分析：?jiǎn)螛颖綯檢驗(yàn)

差異性分析：?jiǎn)螛颖緒ilcoxon符號(hào)秩檢驗(yàn)

差異性分析：獨(dú)立樣本T檢驗(yàn)

差異性分析：多獨(dú)立樣本Kruskal-Wallis檢驗(yàn)

差異性分析：多因素方差分析

差異性分析：方差分析

差異性分析：卡方檢驗(yàn)

差異性分析：卡方擬合優(yōu)度檢驗(yàn)

差異性分析：配對(duì)樣本T檢驗(yàn)

差異性分析：配對(duì)樣本W(wǎng)ilcoxon符號(hào)秩檢驗(yàn)

差異性分析：三因素方差分析

差異性分析：雙因素方差分析

差異性分析：摘要T檢驗(yàn)

差異性分析：摘要單因素方差分析

差異性分析：自動(dòng)求解器

相關(guān)性分析：Cochran.s Q 檢驗(yàn)

相關(guān)性分析：Kappa一致性檢驗(yàn)

相關(guān)性分析：Kendall協(xié)調(diào)系數(shù)

相關(guān)性分析：相關(guān)性分析

相關(guān)性分析：組內(nèi)相關(guān)系數(shù)

預(yù)測(cè)模型：Deming.s回歸

預(yù)測(cè)模型：Lasso

預(yù)測(cè)模型：二分類概率單位回歸

預(yù)測(cè)模型：分層回歸

預(yù)測(cè)模型：分層聚類

預(yù)測(cè)模型：灰色預(yù)測(cè)模型GM(1,1)

預(yù)測(cè)模型：聚類分析

預(yù)測(cè)模型：嶺回歸

預(yù)測(cè)模型：邏輯回歸

預(yù)測(cè)模型：偏最小二乘回歸

預(yù)測(cè)模型：線性回歸

預(yù)測(cè)模型：有序邏輯回歸

統(tǒng)計(jì)建模：泊松分布檢驗(yàn)

統(tǒng)計(jì)建模：極差分析

統(tǒng)計(jì)建模：擬合工具箱

統(tǒng)計(jì)建模：線性判別

統(tǒng)計(jì)建模：游程檢驗(yàn)

統(tǒng)計(jì)建模：主成分分析

計(jì)量經(jīng)濟(jì)：（偏）自相關(guān)分析（pacfacf）

計(jì)量經(jīng)濟(jì)：ADF檢驗(yàn)

計(jì)量經(jīng)濟(jì)：DID

計(jì)量經(jīng)濟(jì)：GARCH模型

計(jì)量經(jīng)濟(jì)：GMM估計(jì)

計(jì)量經(jīng)濟(jì)：Tobit回歸

計(jì)量經(jīng)濟(jì)：VAR向量自回歸模型

計(jì)量經(jīng)濟(jì)：差分分析

計(jì)量經(jīng)濟(jì)：分位數(shù)回歸

計(jì)量經(jīng)濟(jì)：格蘭杰因果檢驗(yàn)

計(jì)量經(jīng)濟(jì)：關(guān)聯(lián)規(guī)則

計(jì)量經(jīng)濟(jì)：季節(jié)性ARIMA模型

計(jì)量經(jīng)濟(jì)：兩階段回歸

計(jì)量經(jīng)濟(jì)：面板模型

計(jì)量經(jīng)濟(jì)：傾向得分匹配分組回歸

計(jì)量經(jīng)濟(jì)：時(shí)間序列分析

醫(yī)學(xué)統(tǒng)計(jì)：B-A法

醫(yī)學(xué)統(tǒng)計(jì)：COX回歸

醫(yī)學(xué)統(tǒng)計(jì)：pearson卡方、校正卡方、fisher精確檢驗(yàn)pearson卡方、校正卡方、fisher精確檢驗(yàn)

醫(yī)學(xué)統(tǒng)計(jì)：ridit分析

醫(yī)學(xué)統(tǒng)計(jì)：分層卡方分析（新）

醫(yī)學(xué)統(tǒng)計(jì)：卡方檢驗(yàn)自動(dòng)求解器

醫(yī)學(xué)統(tǒng)計(jì)：配對(duì)卡方檢驗(yàn)

醫(yī)學(xué)統(tǒng)計(jì)：條件邏輯回歸

醫(yī)學(xué)統(tǒng)計(jì)：重復(fù)測(cè)量方差

機(jī)器學(xué)習(xí)：BP神經(jīng)網(wǎng)絡(luò)

醫(yī)學(xué)統(tǒng)計(jì)：Extra Trees

醫(yī)學(xué)統(tǒng)計(jì)：KNN

醫(yī)學(xué)統(tǒng)計(jì)：樸素貝葉斯分類器

醫(yī)學(xué)統(tǒng)計(jì)：線性回歸（梯度下降法）

機(jī)器學(xué)習(xí)：支持向量機(jī)

自定義算法：自定義數(shù)據(jù)處理

自定義算法：自定義數(shù)據(jù)分析

交叉表（企業(yè)版）：交叉表高級(jí)處理使用