显示 MLE 参数估计值（若在启动窗口中选定“分层 Bayes”，则不可用。） 通过对包含该因子的所有效应构造似然比检验来检验模型中的每个因子的整体效应。有关联合因子检验的详细信息，请参见《拟合线性模型》手册中的联合因子检验。
执行两个特定备择选择特征之间的比较。您可以选择感兴趣的因子值进行比较。您可以比较特定的配置：包括通过选中任意复选框来比较左侧或右侧的所有设置。使用任意并不会对所有不同特征的组合进行比较，而是所有两两特征的组合进行比较，一次比较一个特征，对于其他因子维持左侧显示的设置。请参见“比较”报表。
Wald p 值用彩色标记。饱和蓝色（对应“红色”）指示差值（行 - 列）为负（对应“正”）。红色和蓝色的强度指示显著程度，高度饱和的红色或蓝色表示差异高度显著。
构建一个新表，每个测试对象对应一行，其中包含测试对象水平的每个参数的似然函数的平均步长（Hessian 比例梯度）。这对应于使用 Lagrangian 乘数检验将该对象与其余对象分离出来。以后可以使用内置脚本对这些值聚类，以表明数据中存在的独特的市场细分。有关更多详细信息，请参见细分示例。
保存对象估计值（仅在选定“分层 Bayes”时可用。） 创建一个表，其中每行都包含每个效应的特定于测试对象的参数估计值。特定于测试对象的参数效应的分布以“Bayes 参数估计值”报表中给定项的估计值为中心。“对象接受率”提供 Metropolis-Hastings 步骤期间得到新参数估计值的接受率。通常，接受率 0.20 被视为良好。请参见Bayes 参数估计值。
保存 Bayes 链