SPSSAU（Statistical Product and Service Software Automatically，自动化统计产品和服务软件）也称“在线SPSS”，是一款在线数据分析软件，其适用场景广泛、功能全面、操作简单，为用户提供“拖拽点一下”就可以完成数据分析的极致体验和智能化分析结果，即便是统计学小白也能完成的复杂的数据分析工作。

一、SPSSAU智能化分析过程

SPSSAU将传统软件繁琐的数据分析步骤，简化为智能化和自动化分析过程。大数据的智能算法，让你忘记繁琐的数学公式、分析方法原理，SPSSAU将计算中间过程进行默认处理，你只需要点一下，下载你的分析结果，几秒钟报告就可以完成。

1、SPSSAU分析操作

以线性回归为例，使用SPSSAU进行分析，研究教育程度等自变量对因变量工资的影响情况，只需要3步即可完成，操作如下图：

2、SPSSAU分析结果

SPSSAU所有分析方法得到的分析结果均为标准三线表格式。很多同学并不知道如何制作三线表，以及规范标准的分析结果中都应该包括什么内容。

SPSSAU输出结果不仅包含表题、表注，同时表格内容都是严格按照学术要求需要呈现的形式进行输出的，省去了大家寻找相关文献分析结果的规范输出形式的时间，以及调整表格格式的时间。

SPSSAU输出分析结果如下：

3、分析建议与智能分析

对于数据分析小白用户来讲，得到这样的分析结果后，可能并不知道如何进行分析，SPSSAU在每一个分析结果表格的下方都同时输出了 “ 分析建议 ” 与 “ 智能分析 ” ，帮助大家理解分析过程和解读分析结果。如下图：

分析人员可根据分析建议与智能分析的内容，对分析结果进行解、或根据提示进行修改等。

4、关键中间过程值展示

SPSSAU除了能够输出最终分析结果外，还会输出关键中间过程值，以供大家查阅，类似下图：

5、可视化结果自动输出

除表格类分析结果外，SPSSAU自动提供对应方法需要的可视化图表，不需要你单独进行设置，SPSSAU懂你的需求，类似下图：

总而言之，言而总之，SPSSAU想你所想，智能化与自动化分析过程解放大脑，只需要点一点，就可以完成复杂的数据分析工作。

二、SPSSAU资源与服务

SPSSAU提供各类学习资源与服务，致力于让小白用户也能独立完成数据分析工作。所以免费为用户提供帮助手册、教学视频、案例教学、智能分析与分析建议；以及提供免费的智能客服与人工客服服务。

1、帮助手册

SPSSAU为每一种分析方法都配有帮助手册说明，通常包涵该方法的相关视频、分析步骤、分析原理、数据格式、案例分析、软件操作、分析结果解读、疑难解惑等内容。

• 帮助手册进入方式：

① 每一个方法分析页面的小灯泡按钮，点击可进入该方法对应的帮助手册页面。

② 页面右上角客服中心->帮助手册；进入后可进行方法搜索。

如下图为“信度分析”帮助手册部分内容：

2、教学视频

SPSSAU为帮助用户更好的完成数据分析工作，邀请不同风格的各数据分析领域的专家进行教学视频录制。通过这些视频，用户可以系统地学习和掌握数据分析的技巧，从而更有效地解决实际问题。

• 教学视频进入方式：

① 每种方法帮助手册最上方，为该方法相关教学视频、包括该方法案例操作视频、常见问题汇总等相关视频。

② 客服中心->教学视频

③点击下方链接进行教学视频汇总页面

SPSSAU案例视频汇总SPSSAU数据分析系列视频

3、案例库

案例库从专业角度针对某一个方法进行深度剖析，通过案例的形式，进行分析方法内容讲解、重难点疑点分析，手把手教你完成某个方法的数据分析。同时提供案例数据，案例数据可一键直达我的账号，便于复现结果，进行学习使用。索引目录，一键直达案例中的目录点。

4、智能分析与分析建议

对于统计学小白来讲，令人头痛的莫过于看不懂分析结果了，SPSSAU在每一个结果下方自动输出“智能分析与分析建议”，帮助解读数据分析结果。
如下图，为有交互作用双因素方差分析智能分析与分析建议：

5、智能客服与人工客服服务

可能即便有以上各种各样的资料，在实际分析过程中，还是会遇见软件使用上或分析上这样那样的问题，那么这个时候就可以找SPSSAU的智能客服与人工客服解决问题。

• 智能客服

SPSSAU智能客服中包涵了SPSSAU上线以来，分析人员经常提问的上百个高频问题，对智能客服简单描述问题进行提问，会自动匹配最相关内容进行解答。

智能客服进入方式：

① 分析页面右下方

② 客服中心->智能客服

• 人工客服

SPSSAU除智能客服外，还有人工客服；遇到分析或者使用上的疑难问题，可以在SPSSAU右上角客服中心联系人工客服提问，专业分析老师在线答疑，帮你顺利完成数据分析工作。

人工客服进入方式：

客服中心->人工客服

三、SPSSAU十大分析模块

SPSSAU是一个模块化、集成化的网页版平台系统。它由10个算法模块构成，分别是通用方法、问卷研究、可视化、数据处理、进阶方法、实验/医学研究、综合评价、计量经济研究、机器学习、Meta荟萃分析，每个模块包含各类相关算法。

1、通用方法

通用方法模块包括频数分析、分类汇总、描述分析、卡方分析、相关分析、线性回归、单因素方差、独立样本t检验、单样本t检验、配对t检验、正态性检验和非参数检验。其中相关分析支持Pearson、Spearman和Kendall三种系数。单因素方差中包括方差齐检验，welch 方差和 Brown-Forsythe方差，非参数检验自动识别进行Mann Whitney检验或者Kruskal-Wallis检验。

2、问卷研究

问卷研究模块包括信度分析、效度分析（探索性因子分析）、多选题涉及的相关分析功能、项目分析（区分度分析）、权重计算、验证性因子分析、对应分析、路径分析、结构方程模型、调节作用、中介作用、调节中介、KANO模型、NPS、PSM分析、rwg一致性分析和联合分析等。其中信度分析支持Cronbach系数、折半信度系数、McDonald Omega信度、theta信度系数，权重功能支持AHP、熵值法和优序图法，对应分析支持简单对应和多重对应分析。

3、可视化

可视化包括常用的统计图形绘制，包括散点图、直方图、箱线图、词云、误差线图、PP图、QQ图、ROC曲线、象限图、帕累托图、簇状图、组合图、气泡图、核密度图和小提琴图等。

4、数据处理

数据处理模块包括标题处理、数据标签、数据编码、生成变量、无效样本和异常值等功能。其中标题处理支持标题修改或删除，数据标签功能支持批量化标题设置，数据编码功能支持数据编码、范围编码和自动编码共3种且支持原始数据覆盖方式，生成变量支持常用50余类处理方式（比如计算平均值，对数等科学计算方式，各类数据标准化方式等）。

5、进阶方法

进阶方法模块包括聚类分析，探索性因子分析，主成分分析，分层回归，逐步回归，二元logistic回归，多分类logistic回归，有序logistic回归，事后多重比较，偏相关分析，典型相关分析，双因素方差/三因素方差/多因素方差/协方差分析，判别分析，岭回归，分层聚类，曲线回归，PLS回归，Lasso回归，RFM模型，非线性回归和共线性分析等。

6、实验/医学研究

实验/医学研究模块包括卡方检验、Kappa系数、配对卡方、二元probit、Poisson回归、Cox回归、ICC组内相关系数、Wilcoxon（单样本和配对样本）、Friedman检验、游程检验、Kendall协调系数、Cochran Q检验、概要t检验、均值z检验、比率z检验、Ridit分析、正交设计、极差分析、卡方拟合优度检验、Poisson检验、重复测量方差、OR值计算、Kaplan-Meier、广义估计方程GEE、条件logistic回归、负二项回归、剂量反应分析、Bland altman、HLM多水平模型、分层卡方、Deming回归和Fisher卡方等。

7、综合评价

综合评价模块包括AHP层次分析、熵值法、模糊综合评价、灰色关联法、TOPSIS法、WRSR秩和比法、CRITIC权重、独立性权重、信息量权重、耦合协调度、熵权TOPSIS、灰色预测模型、指数平滑、数据包络分析、DEMATEL、Vikor、ISM、多维尺度MDS、综合指数计算、障碍度模型、马尔可夫预测、Malmquist指数和SBM模型等。

8、计量经济研究

计量经济研究模块包括Robust回归、OLS回归、两阶段回归、分位数回归、ADF检验、ARIMA预测、偏(自)相关图、面板模型、倾向得分匹配、分组回归、GMM估计、DID差分模型、Tobit模型、两阶段heckmantwostep模型、RDD断点回归、时序图、VAR模型、格兰杰检验、协整检验、ECM模型、ARCH模型、Coef图、方差分析、Dagum基尼系数、莫兰指数、泰尔指数、零膨胀负二项和零膨胀泊松回归、季节性Sarima模型和动态面板模型等。

9、机器学习

机器学习模块支持常用的神经网络、决策树、随机森林、KNN、朴素贝叶斯、支持向量机和Logistic回归模型等，并且支持分类和回归任务，比如决策树支持决策树分类和决策树回归两类模型。

10、进阶方法

Meta荟萃分析模块支持连续性、二分类数据进行Meta分析，并且支持其它数据格式，包括平均值、相关系数、OR值或HR值进行Meta分析，以及支持一般倒方差分析和P值合并计算等，Meta分析模块提供效应量计算、发表偏倚检验、敏感性检验等，并且支持分组Meta、累积Meta回归和Meta回归等。