| SPSS軟件應(yīng)用培訓(xùn)班 |
課程背景 |
SPSS Statistics統(tǒng)計分析軟件簡介
SPSS Statistics 統(tǒng)計分析軟件是一款在調(diào)查統(tǒng)計行業(yè)、市場研究行業(yè)、醫(yī)學(xué)統(tǒng)計、政府和企業(yè)的數(shù)據(jù)分析應(yīng)用中久享盛名的統(tǒng)計分析工具，是世界上最早的統(tǒng)計分析軟件，由美國斯坦福大學(xué)的三位研究生于1968年研制，1984年SPSS首先推出了世界上第一個統(tǒng)計分析軟件微機(jī)版本SPSS/PC+，極大地擴(kuò)充了它的應(yīng)用范圍，并使其能很快地應(yīng)用于自然科學(xué)、技術(shù)科學(xué)、社會科學(xué)的各個領(lǐng)域，世界上許多有影響的報刊雜志紛紛就SPSS的自動統(tǒng)計繪圖、數(shù)據(jù)的深入分析、使用方便、功能齊全等方面給予了高度的評價與稱贊。在國際學(xué)術(shù)界有條不成文的規(guī)定，即在國際學(xué)術(shù)交流中，凡是用SPSS軟件完成的計算和統(tǒng)計分析，可以不必說明算法，由此可見其影響之大和信譽之高。
功能全面的統(tǒng)計分析軟件
SPSS Statistics非常全面地涵蓋了數(shù)據(jù)分析的整個流程，提供了數(shù)據(jù)獲取、數(shù)據(jù)管理與準(zhǔn)備、數(shù)據(jù)分析、結(jié)果報告這樣一個數(shù)據(jù)分析的完整過程。特別適合設(shè)計調(diào)查方案、對數(shù)據(jù)進(jìn)行統(tǒng)計分析，以及制作研究報告中的相關(guān)圖表。對于閱讀統(tǒng)計分析報告的用戶來講，也已經(jīng)非常熟悉由SPSS Statistics軟件制作完畢的圖表。
|
|
班級規(guī)模及環(huán)境--熱線:4008699035 手機(jī):15921673576( 微信同號) |
|
每期人數(shù)限3到5人。 |
| 培訓(xùn)特點 |
| 個性化、顧問式培訓(xùn)，互動式授課，針對實際需求，項目案例教學(xué)，實戰(zhàn)項目演示，超級精品小班。 |
| 培訓(xùn)講師 |
華為，中科院，上海貝爾，中興，Xilinx,Intel英特爾,TI德州儀器，NI公司，Cadence公司,Synopsys，IBM，Altera，Oracle，synopsys，微軟，飛思卡爾，等大型公司高級工程師，項目經(jīng)理，技術(shù)支持專家，曙海教育集團(tuán)，資深講師。
大多名牌大學(xué)，碩士以上學(xué)歷，相關(guān)技術(shù)專業(yè)，有豐富的理論素養(yǎng)，十多年實際項目經(jīng)歷，開發(fā)過多個大型項目，熱情，樂于技術(shù)分享。針對客戶實際需求，案例教學(xué)，邊講邊練，互動式溝通，學(xué)有所獲。
更多師資力量信息請參見端海師資團(tuán)隊，請點擊這兒查看。 |
|
開課時間和上課地點 |
上課地點：【上�！浚和瑵�(jì)大學(xué)(滬西)/新城金郡商務(wù)樓(11號線白銀路站) 【深圳分部】：電影大廈(地鐵一號線大劇院站)/深圳大學(xué)成教院 【北京分部】：北京中山學(xué)院/福鑫大樓 【南京分部】：金港大廈(和燕路) 【武漢分部】：佳源大廈（高新二路） 【成都分部】：領(lǐng)館區(qū)1號（中和大道） 【沈陽分部】：沈陽理工大學(xué)/六宅臻品 【鄭州分部】：鄭州大學(xué)/錦華大廈 【石家莊分部】：河北科技大學(xué)/瑞景大廈 【廣州分部】：廣糧大廈 【西安分部】：協(xié)同大廈
最近開課時間(周末班/連續(xù)班/晚班）：SPSS軟件開課時間：2020年6月15日 |
|
實驗設(shè)備和授課方式 |
☆資深工程師授課
☆注重質(zhì)量
☆邊講邊練
☆合格學(xué)員免費推薦工作
☆合格學(xué)員免費頒發(fā)相關(guān)工程師等資格證書，提升您的職業(yè)資質(zhì)
專注高端培訓(xùn)15年，端海提供的證書得到本行業(yè)的廣泛認(rèn)可，學(xué)員的能力
得到大家的認(rèn)同，受到用人單位的廣泛贊譽。
★實驗設(shè)備請點擊這兒查看★ |
|
最新優(yōu)惠 |
|
☆請咨詢客服。 |
|
質(zhì)量保障 |
|
1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費在以后培訓(xùn)班中重聽；
2、培訓(xùn)結(jié)束后,授課老師留給學(xué)員聯(lián)系方式,保障培訓(xùn)效果,免費提供課后技術(shù)支持。
3、培訓(xùn)合格學(xué)員可享受免費推薦就業(yè)機(jī)會。 |
|
課程大綱 |
|
第一階段 |
1. 統(tǒng)計分析概述與SPSS軟件
1) 時間序列實例；
2) 時間序列的組成成分；
3) 時間序列分析方法簡介；
4) 平穩(wěn)時間序列；
2. SPSS之?dāng)?shù)據(jù)輸入與建立
1) 統(tǒng)計分析要求的數(shù)據(jù)格式
2) 單選題、多選題、開放題的數(shù)據(jù)錄入；
3) 變量屬性：變量名、變量標(biāo)簽、值標(biāo)簽、變量類型、缺失值；
4) 讀取SPSS格式、Excel格式、文本格式、數(shù)據(jù)庫等格式數(shù)據(jù)；
3. SPSS之?dāng)?shù)據(jù)描述
1) 時間序列實例；
2) 時間序列的組成成分；
3) 抽樣分布；
4) 參數(shù)估計；
5) 假設(shè)檢驗；
4. 方差分析模型
1) 功率表設(shè)計n單因素方差分析的數(shù)據(jù)格式、操作方法與結(jié)果解讀；
2) 方差分析中各種兩兩比較方法的選擇、操作和結(jié)果解讀；
3) 一元多因素方差分析模型的原理、操作和結(jié)果解讀；
4) 多元方差分析模型的原理、操作方法和結(jié)果解讀；
5) 相應(yīng)的圖形工具在分析中的應(yīng)用；
5. 相關(guān)、回歸分析模型
1) 線性回歸模型的原理、分析步驟、操作和結(jié)果解讀；
2) 逐步、前進(jìn)、后退三種篩選方法的含義與用法、分析結(jié)果的閱讀；
3) 各種常用模型診斷工具（分類圖等）的用法；
4) 加權(quán)最小二乘法、兩階段最小二乘法的原理、操作和結(jié)果解讀；
6. 分類數(shù)據(jù)分析
1) 列聯(lián)表分析；
2) 離散選擇模型；
3) nlogit模型；
7. 常用抽樣技術(shù)
1) 抽樣技術(shù)概述；
2) 概率抽樣技術(shù)；
3) 非概率抽樣技術(shù)；
|
|
第二階段 |
1. 高級數(shù)據(jù)修改
過濾和選擇案例
Do if …Else if
字符串函數(shù)
處理日期變量
日期和字符串函數(shù)的結(jié)合使用?
2. 文件管理
合并文件
數(shù)據(jù)聚合
拆分文件?
3. SPSS編程：Syntax命令編程及Production Mode來自動化SPSS 包括語法規(guī)則、語法文件的構(gòu)建、及運行方式?
4. 一些實用特性舉例
保存變量子集
Utilities（實用程序）：定義和使用變量子集
標(biāo)識重復(fù)個案
數(shù)據(jù)流程化校驗?
5. 樞軸表編輯器的用戶化輸出
6. 移動 SPSS 結(jié)果到其他軟件
7. 運行SPSS的不同形式 |
第三階段 高級（一） |
1. 如何確定樣本及樣本大小影響?
2. 數(shù)據(jù)描述
數(shù)據(jù)的圖形描述方法?
數(shù)據(jù)的描述的數(shù)值方法
異常值探查
描述分類數(shù)據(jù)：
分組比較: 分類數(shù)據(jù)?
探索性數(shù)據(jù)分析: 區(qū)間尺度數(shù)據(jù)?
3. 假設(shè)檢驗
假設(shè)檢驗的基本思想、概念、基本步驟
組間的均值差異：簡單情況
方差齊性檢驗
單樣本均值檢驗
獨立樣本均值比較
配對樣本均值比較?
4. 方差分析
單因數(shù)方差分析
方差分析中的多重比較
因素水平影響程度的對比設(shè)計及檢驗
多因素方差分析
協(xié)方差分析簡介?
5. 相關(guān)性分析
變量之間的關(guān)系
相關(guān)分析基本方法簡介
Person相關(guān)系數(shù)的計算及檢驗
偏相關(guān)分析?
6. 回歸分析初階
一元線性回歸分析簡介：回歸方程的假定條件、分析步驟、常用指標(biāo)
一元線性回歸分析實例
回歸診斷?
7. 雙變量畫圖和統(tǒng)計
8. 非參數(shù)檢驗
9. 相關(guān)性分析
相關(guān)分析基本方法簡介
Person相關(guān)系數(shù)的計算及檢驗
偏相關(guān)分析?
10. 方差分析：
組間的均值差異II: 單因數(shù) ANOVA?
組間的均值差異 III: 兩因數(shù) ANOVA?
方差分析中的多重比較
因素水平影響程度的對比設(shè)計及檢驗
多因素方差分析
協(xié)方差分析簡介?
11. 回歸分析簡介
線性回歸分析簡介：回歸方程的假定條件、分析步驟、常用指標(biāo)一元線性回歸分析實例
回歸診斷?
12. 數(shù)據(jù)降維技術(shù)
主成份分析?
因子分析?
13. 檢驗數(shù)據(jù)分布的正態(tài)性
14. 多元均值的推斷 |
第四階段 高級（二） |
1. 多元線性回歸
多元線性回歸簡介：回歸方程及系數(shù)的檢驗、自變量篩選方法
多元線性回歸：SPSS實現(xiàn)
多重共線性問題
逐步回歸分析
回歸診斷?
2. Logistic回歸
Logistic 回歸簡介：應(yīng)用背景、、回歸模型、模型的評價指標(biāo)等
Logistic回歸：SPSS實現(xiàn)
回歸系數(shù)的檢驗
回歸系數(shù)的解釋
累積Logistic回歸簡介
累積Logistic回歸：SPSS實現(xiàn)
多項logistic回歸簡介
多項Logistic回歸：SPSS實現(xiàn)?
3. 聚類分析
聚類分析簡介：基本目標(biāo)、應(yīng)用領(lǐng)域、基本思想、主要方法
系統(tǒng)聚類方法簡介
系統(tǒng)聚類分析實例
非系統(tǒng)聚類方法，Two-Step聚類、K均值聚類方法簡介
非系統(tǒng)聚類方法分析實例?
4. 判別分析
判別分析簡介：基本目標(biāo)、與聚類分析區(qū)別、常用方法
判別分析應(yīng)用實例?
5. 數(shù)據(jù)降維技術(shù)
因子分析：問題背景、目的、分析的原則、基本思想、因子分析模型
主成份分析簡介：指導(dǎo)思想、目的、與因子分析區(qū)別
因子/主成份個數(shù)的確定
因子旋轉(zhuǎn)
因子得分
注意事項及應(yīng)用建議
因子/主成分分析應(yīng)用實例?
6. 生存分析
生存分析簡介：問題背景、基本概念與有關(guān)的統(tǒng)計問題、常用分析方法
Kaplan- Meier及Life table方法原理
Kaplan-Meier分析實例
Cox回歸原理
Cox回歸分析實例
帶著隨時間變化協(xié)變量的Cox回歸?
7. 高級方差分析
MANOVA（ 多變量方差分析）：問題背景、原理、分析實例
重復(fù)測量方差分析：問題背景、原理、分析實例
8. 時間序列分析簡介 |
第五階段 SPSS?Modeler復(fù)雜數(shù)據(jù)分析與智能建模 |
第一部分：
數(shù)據(jù)挖掘概述
矩陣數(shù)據(jù)分析
分類分析
聚類分析?
從數(shù)據(jù)庫建模
第二部分：
稀疏數(shù)據(jù)分析
關(guān)聯(lián)分析與關(guān)聯(lián)計算
高維數(shù)據(jù)分類與聚類
推薦系統(tǒng)與推薦技術(shù)
第三部分：
文本與圖像數(shù)據(jù)處理
網(wǎng)絡(luò)數(shù)據(jù)分析
知識展示
數(shù)據(jù)挖掘研究與項目申請淺談
第四部分
1、?數(shù)據(jù)挖掘及其Clementine軟件概述
2、?Clementine進(jìn)行數(shù)據(jù)預(yù)處理
數(shù)據(jù)的讀入（讀入數(shù)據(jù)與合并數(shù)據(jù)）
變量的管理（變量的說明、變量值的重新計算、生成新變量）
樣本的管理（樣本的排序、條件篩選、抽樣、濃縮、分類匯總、平衡處理等）
3、?Clementine對數(shù)據(jù)的基本分析
質(zhì)量的探索
基本描述分析
兩分類變量相關(guān)性的研究
兩總體均值的比較
變量重要性的分析
4、?分類預(yù)測方法
K近鄰方法
Rule-based?Methods
決策樹
神經(jīng)網(wǎng)絡(luò)
樸素貝葉斯和信念貝葉斯網(wǎng)絡(luò)
Boosting方法
支持向量機(jī)
案例與Clementine軟件操作
5、?關(guān)聯(lián)規(guī)則
基本概念與算法
案例與Clementine軟件操作
6、?聚類分析
K-均值聚類
層次聚類法
基于密度的聚類方法
案例與Clementine軟件操作
第五部分 |
1.建模流程
??1）商業(yè)理解
??2）數(shù)據(jù)理解
??3）數(shù)據(jù)準(zhǔn)備
??4）建立模型
??5）模型的評估
??6）結(jié)果的導(dǎo)出 |
2.案例：基于姓名的性別預(yù)測
目的：
??1）加強(qiáng)對建模流程的理解及掌握具體的建模操作
??2）了解如何選用模型與處理數(shù)據(jù)
??3）掌握模型的訓(xùn)練過程與模型的應(yīng)用過程
??4）掌握貝葉斯網(wǎng)絡(luò)模型的基本使用方法 |
第六部分： |
?
1.案例：數(shù)據(jù)庫營銷優(yōu)化
背景：
??1）我們通常需要對用戶進(jìn)行定向營銷，但是哪些用戶更有可能會響應(yīng)，哪些根本不會響應(yīng)，會直接影響營銷的ROI，我們需要知道如何挑選營銷目標(biāo)
目的：
??1）了解如何通過自動節(jié)點來快速選擇模型
??2）掌握通過數(shù)據(jù)審核節(jié)點查看數(shù)據(jù)特點
3）掌握決策樹C5.0模型的基本使用方法
? |
?
2.案例：用戶的細(xì)分
背景：
??1）根據(jù)網(wǎng)上的用戶行為數(shù)據(jù)，嘗試對用戶進(jìn)行分組，刻畫出典型畫像，以便進(jìn)行定向精準(zhǔn)營銷
目的：
??1）了解聚類與分類的區(qū)別
2）掌握K-Means聚類算法的基本使用方法
??3）掌握對聚類結(jié)果的解讀
??4）了解實際應(yīng)用中的聚類算法的利弊
? |
?
4.案例：音樂分類與推薦
背景：
1）??如何進(jìn)行更加有效的個性化的音樂推薦？
2）??如何對客戶進(jìn)行新歌推薦?？
目的：
1）??了解數(shù)據(jù)預(yù)處理的重要性
2）??掌握關(guān)聯(lián)模型的使用（案例使用Apriori進(jìn)行關(guān)聯(lián)分析）
??3）?掌握分類模型的使用（案例使用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分類）
??4）?了解音樂推薦領(lǐng)域的相關(guān)技術(shù) |
?
5.案例：社交網(wǎng)絡(luò)分析（備選）
背景
??1）如何利用社交網(wǎng)絡(luò)來識別關(guān)鍵角色，尋找激發(fā)口碑的關(guān)鍵點？
目標(biāo)：
??1）了解兩種社交網(wǎng)絡(luò)算法
??2）掌握社交網(wǎng)絡(luò)分析建模過程
3）掌握使用社交網(wǎng)絡(luò)分析的GA算法和DA算法 |
|
| |
總部李老師