IBMSPSSStatistics软件可为不同经验级别的用户提供高级统计分析功能。提供一套全面的功能，可提供超越传统统计软件的灵活性和可用性。借助其直观界面，SPSSStatistics可助您：管理和分析大型数据集。使用先进的统计程序和建模技术。预测客户行为。预测市场趋势。检测欺诈行为以最大限度降低业务风险。开展可靠的研究以获得准确结论。优化组织战略。
样式输出界面根据单元格值，使用条件格式化，突出显示表中的单元格背景和文本。
样式输出将特定的属性（如颜色）应用于表单元格或行，引起用户对特定结果的注意。
Web报告通过智能手机和平板电脑（如iPhone、iPad、iPod、Windows和Android设备）中的Web浏览器，查看交互式SPSSStatistics报告。
热图蒙特卡罗模拟(MonteCarlosimulation)在显示目标和/或输入为分类状态的散点图时，帮助您自动生成热图。
GSAR正如此处所示，GSAR可用于基于区域人口统计信息预测犯罪发生可能性最高的地点，如此图中所示。
线性OLS替代方案弹性网络新的"线性弹性网络"扩展过程使用Pythonsklearn.linear_model.ElasticNet用于估计一个或多个自变量上因变量的正规化线性回归模型的类。规则化组合了L1(套索)和L2(岭)惩罚。该扩展包含可选方式，用于显示给定L1比率的不同alpha值的跟踪图，以及基于交叉验证选择L1比率和alpha超参数值。当拟合单个模型或使用交叉验证来选择惩罚比率和/或alpha时，可使用保留数据分区来估算样本外性能。
套索新的线性套索扩展过程使用Pythonsklearn.linear_model.Lasso用于估计一个或多个自变量的因变量的L1损失正规化线性回归模型的类，并包括用于显示跟踪图和基于交叉验证选择alpha超参数值的可选方式。当拟合单个模型或使用交叉验证来选择alpha时，可使用保留数据分区来估算样本外性能。
岭新的线性岭扩展过程使用Pythonsklearn.linear_model.Ridge用于估算一个或多个自变量上因变量的L2或平方损失正规化线性回归模型的类，并包括用于显示跟踪图和基于交叉验证选择alpha超参数值的可选模式。当拟合单个模型或使用交叉验证来选择alpha时，可使用保留数据分区来估算样本外性能。
工作簿方式增强功能两个新的工作簿工具栏项:显示/隐藏所有语法窗口和清除所有输出。"状态栏"上的新按钮，用于在经典(输出和语法)方式与工作簿方式之间进行切换。
搜索增强功能“搜索”功能提供了直接在工具栏字段中输入词汇以及在下拉窗格中查看结果的选项。
IBMSPSSStatisticsforWindows操作系统：MicrosoftWindows10(64位)*处理器：2GHz或更快显示：1024*768或更高内存：需要4GBRAM，建议8GBRAM或更多磁盘空间：2GB或更多IBMSPSSStatisticsforMac操作系统：macOSHighSierra10.13，macOSMojave10.14，macOSCatalina10.15。硬件：内存:4GBRAM或更多1024x768显示最小硬盘空间:2GBIBMSPSSStatisticsforLinux操作系统：SPSSStatistics只在以下平台上进行过测试和支持。RedHatEnterpriseLinux(RHEL)8，RedHatEnterpriseLinux(RHEL)Client7，Ubuntu14.04LTS，Ubuntu16.04LTS。硬件：内存:4GBRAM或更多1024x768显示最小硬盘空间:4GB