你想根据人们采取某种行动可能性来对人们进行评级吗？例如，你想知道一个人进入一个项目的可能性大小（低、中、高）？
当你要预测的因变量是定序变量的时候，SPSS的 PoLytomous Universal Models (PLUM)赋予你为适合定序变量而构建模型所需要的全面的方法。当你选择不同的连接函数，你得到适合定序Logistic回归的模型——ordinal probit 模型 和 ordinal Cauchit 模型。
PLUM允许你保存预测变量发生的概率到一个新的变量并把它重新放回你原来的数据集中。就像SPSS其它分类技术一样，你的预测自变量可以是连续或离散的变量。
􀂃 其它的分类技术——其它可以进行分类的技术包括：
-Loglinear/Logit模型——被用来分析列联表中落入某个特定交叉表格内的次数。例如，一个市场调研小组可以使用来自产品偏爱报告的数据去决定在广告曝光率和产品放置之间的关系。
-Model Selection Loglinear——当你想要了解离散变量之间的关联关系时使用。
-General Loglinear Analysis——被用来分析列联表中落入某个特定交叉表格内的次数,比Loglinear模型使用范围更广
-Logit Loglinear 分析——被用来分析离散因变量（或者叫做响应变量）和自变量（或者叫做解释变量）之间的关系。
-Probit模型——当预测结果（因变量）是二分时适用。
-定类变量回归——通过对类别赋值用来量化定类数据，生成适合转化变量的最佳的线性回归方程式。你也可以使用定类变量回归去描述消费者购买的舒适度、价格、质量和客户满意度之间的关系。
-SPSS Exact TestTM分析小样本并得到正确的结果。