【福利】SPSS/SAS试听视频-----人大经济论坛

人脉引爆点

13067

111

收藏 2014-12-04

上海现场班录制SAS/EM视频片段

http://v.youku.com/v_show/id_XODQxMjgyNTMy.html

spss试听

https://bbs.pinggu.org/thread-3413941-1-1.html
常用模型适用条件

SAS数据统计分析师认证培训[最新专场信息]
Spss数据统计分析师认证培训[最新专场信息]
丁亚军讲师浅谈数据统计分析师职位,多家媒体相继报道。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

人脉引爆点

2014-12-4 12:01:22

SPSS数据统计分析师认证培训

@全国现场网络同步直播学习

课程试听

◆培训时间：（北京）2015年1月10-11日、17-18日 （四天周末班）

2015年1月15-18日（四天连续班）

◆培训地点：  北京市:中国人民大学
在线直播：全国在线网络直播
◆培训费用：3600元（含发票）；全日制学生2500元
               差旅及住宿费用自理
  在线直播：2600 元 （含发票）
◆证书费用：400元，可以申请《数据统计分析师》证书，教育部颁发。

◆授课安排：

  授课方式：SPSS课程基于SPSS22.0系统，多媒体互动。
  授课时间：9:00am-12:00pm，1:30pm-4:30pm
  答疑时间：4:30pm-5:00pm
  课间餐饮：提供午餐一份，咖啡饮料常备。

2014年起为中国梦贡献一份力量每期为中西部贫困地区预留一个免费参加培训名额

凭贫困证报名即可

开课通知或邀请函下载
课程介绍
   经济30年快速发展，正在使我们渐渐窥探到数据时代的特征，随着企业级数据的积累，相应的使现代统计软件分析过程也发生变化，由传统基本的数据挖掘技术，渐渐趋向于数据库技术应用。与此同时各家软件相应推出应对策略，像SAS、STATA、SPSS三大统计软件，相序推出多线程、分布式等数据处理技术，这对于企业日益庞大的数据现状来说，无疑在一定程度上缓解了大数据处理的压力。SPSS20的推出，在海量数据分析方面有了显著改善，同时SPSS兼备数据管理、数据库访问等技术，这在企业数据处理方面可以说是很完备的。

   SPSS技术与岗位需求零距离，使学员能够快速有效的了解和处理企业数据要求。
（1）数据管理。企业的数据收集主要涉及3个方面：原始数据录入、数据文件读入和数据库的访问，这些我们将在前三节具体介绍，这里以实际企业要求为背景，强调学员的上机动手实践能力。
      a、数据获取。
            企业需求:数据库访问、外部数据文件读入
            案例分析:使用产品信息文件演示spss的数据读入共能。
      b、数据管理。
            企业需求:对大型数据进行编码、清理、转换。
            案例分析:使用银行信用违约信息文件spss相应过程。
            1）数据的选择、合并与拆分、检查异常值。
            2）新变量生成，SPSS函数。
            3）使用SPSS变换数据结构——转置和重组。
            4）常用的描述性统计分析功能。频率过程、描述过程、探索过程。
      c、数据探索和报表呈现。
            企业需求:对企业级数据进行探索，主要涉及图形的使用。spss报表输出。
            案例分析:企业绩效文件，如何生成美观清晰的报告。
            1）制作报表前对变量的检查
            2）制作报表的中对不同类型的数据处理
            3）报表生成功能与其他选项的区别
（2）数据处理
      a、相关与差异分析。
            企业需求:企业往往需要探索影响企业效率的因素间的相关关系，这是最基础的过程，并在此基础上了解存在的差异。
            案例分析:产品合格率的相关与差异分析。
      b、线性预测。
            企业需求: 探索影响企业效率的因素，并进一步预测企业效率。
            案例分析:产品合格率的影响因素及其预测分析。
      c、因子分析。
            企业需求: 需要抽取影响企业效率的主要因素，进行重点投资
            案例分析:客户购买力信息研究。
      d、聚类分析。
            企业需求: 需要了解购买产品的客户信息
            案例分析:客户购买力信息研究
      e、bootstrap。
            企业需求: 针对某新产品的调研活动。收集的信息有时可能会因抽样偏差或样本小，会导致结果有偏，这里使用bootstrap。
            案例分析:  bootstrap抽样。
（3）SPSS代码
         SPSS代码应用
         企业需求：企业数据分析要求中，存在大量重复性质的工作，这样就需要使用SPSS代码，来减轻分析人员的工作量。
         案例分析:演示数据分析的整个流程。

讲师介绍
丁亚军,首席数据分析师，现任职于人大经济论坛评谷数据处理与分析研究中心，兼职中国学习路径图国际培训中心技术顾问，SAS、SPSS高级统计学讲师。曾参与2012国家宏观经济预测、中国城镇居民家庭投资调查、泸州老窖目标管理与绩效考核等大型数据处理项目，具有丰富的数据处理经验。（全国班讲师）

常国珍，会计学博士、社会学硕士，毕业于北京大学人口所，目前就读于北大光华管理学院，SAS公司数据挖掘与统计分析课程讲师。曾就职于方正国际金融事业部和长江商学院投资者研究中心。主持过商业银行数据挖掘平台建设、商业银行信用评分模型的构建与固化等商业项目。参与构建的股票量化投资模型被某大型基金公司采纳，并于2013年九月正式发行。（北京班讲师）

[tr][/tr]

课程大纲

spss第一天

spss第二天

spss第三天

1.SPSS的介绍

3.1.8 个案排秩

4.2.3 相关分析

1.1 实例演示

3.2 新变量生成，SPSS函数

4.2.4 偏相关分析

1.2 SPSS的特点

3.3 变换数据结构—转置和重组

4.2.5 距离分析

1.3 SPSS界面介绍

3.4 描述统计分析功能

4.3 回归分析基础

1.4 SPSS数据变量详解

3.4.1 频率过程

4.3.1 简单回归分析

2.数据的输入与保存

3.4.2 描述过程

4.3.2 多元回归分析

2.1 数据获取及其格式

3.4.3 探索过程

4.3.2.1 逐步回归

2.1.1 问卷不同格式的数据的录入

3.4.4 P-P图和Q-Q图

4.3.2.2回归预测与残差分析

——多选题的处理与信度报告

3.5 SPSS统计图形输出

4.3.2.3方差不齐与强影响点的处理

2.1.2 SPSS访问外部数据

3.5.1散点图

—异常案例诊断

3. 数据预分析

3.5.2条图

—WLS（权重估计）与LAD（非线性）

3.1 数据管理与清理

3.5.3控制图

4.3.2.4共线性的处理—岭回归

3.1.1 数据的选择

3.5.4 ROC曲线

4.3.2.5注意问题

3.1.2 数据的合并

4. 数据分析

案例分析：产品合格率的影响因素

3.1.3 数据的拆分

4.1 假设检验

—— 及其预测分析

3.1.4 检查异常值

4.1.1 假设检验的原理

4.3.3 分类因变量回归

3.1.5 个案的加权

4.1.2 了解均值的显著性检验

4.3.3.1 二分类logistic

3.1.6 数据的分类汇总

4.2 差异分析及相关分析过程

4.3.3.1 无序多分类logistic

3.1.7 缺失值

4.2.1 t检验与方差分析的均值检验

案例分析：客户违约信息研究

案例分析：产品质量差异分析

案例分析：客户购买力信息调查

4.2.2 卡方分析

4.3.4 曲线估计

4.2.2.1 卡方分析原理

4.4 因子分析与聚类分析

4.2.2.2 卡方的独立性检验

4.4.1 主成分分析与因子分析

4.2.2.3 配对卡方检验

4.4.2 快速聚类法与聚类法

案例分析：企业选址的区位分析

4.4.3 判别分析

4.4.4案例分析客户购买力信息研究

spss第四天

4.5 对应分析

5.1 制作报表前对变量的检查

6.4 实例讲解spss编程

4.5.1对应分析原理

5.2 制作报表的中对不同类型的数据处理

4.5.2简单对应分析

5.3 报表生成功能与其他选项的区别

4.5.3多元对应分析（最优尺度分析）

5.4 注意事项

案例分析：企业选址的区位分析

6. SPSS编程操作

4.5.4案例分析6：

6.1 程序编辑窗口操作入门

——企业选址的区位分析(案例2)

6.2 基本语句

5. 使用SPSS制作数据分析的统计报表

6.3 结构化语句

SPSS版式数据统计分析师认证要求掌握的技术如下：

（1）能根据实际问题熟练地掌握SPSS录入数据、定义变量格式，导入与导出数据的功能。
（2）掌握数据预处理的基本过程，掌握数据探索的基本方法，尤其是通过图形探索变量间的关系。同时需学会使用软件侦察异

常值、缺失值探索变量分布的能力。

（3）学员需具备处理实际问题的基本统计分析能力，具体包括T检验、方差分析、卡方分析、相关分析、回归分析与聚类分析。
（4）可以根据数据特点生成简单的统计报表。
（5）学员需要掌握运用SPSS程序的基本技巧。

◆培训对象
  （1）从事企业数据挖掘及相关工作的决策分析、工程技术人员；
  （2）需要进行大数据统计分析的高校、科研院所的科技工作者；
  （3）打算从事数据统计分析的在校生、在职人员。

◆课程特色
《数据统计分析师SPSS认证》课程注重培养学员的实证分析能力，通过诸多案例讲解不同的应用背景。我们一方面尽可能呈现

SPSS 全貌，使学员对软件有总体的认识。另一方面则强调实际问题的解决能力，例如，在问题情境中的变量选择及其适用的统计

方法，做到统计应用的简明易懂。本课程的主要特色包括：

(1) 以统计方法与软件应用为主线，辅以大量实例，有助于学员快速掌握SPSS的数据预处理、统计分析、结果输出等方面的基本技巧。 (2) 课程面向基础学员，强调案例情境的分析应用及其解决实际问题的能力，同时兼顾对试题规律的解析。

◆培训配套资料
   课程配套资料：
   SPSS版式数据统计分析师认证培训课程：
   (1) 本课程中使用的word文档，对讲课过程中提到的相关名词解释。
   (2) 课件PPT文件，便于学员在学习时进行同步操作练习。
   (3) 数据文件包括10多个范例数据，其中有SPSS官方范例数据、调查数据等。

◆培训优惠及注意事项（后三项优惠不叠加）
(1)赠送SPSS数据统计分析师视频课程。
(2)现场班老学员可以享受9折优惠。
(3)同一机构3人以上报名，9折优惠。

(4)同一机构6人以上报名，8折优惠。

(5)免费赠送论坛网络课堂功能。

自2014年7月1日开始凡参加本课程全额缴费（3600元）论坛即捐出100元做助学基金，每

积满3000元就捐赠给一所大学用于帮助贫困学生。（整个捐赠过程公开发布，为保护隐私被

捐赠个体不公开）上期2000元

◆联系方式
樊老师
电话：010+68472707
手机：18611083334

QQ：2881989705（北京、上海、广州）

邮箱：fanyuliang@pinggu.org

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

人脉引爆点

2014-12-4 12:03:02

SAS数据分析师认证培训@京/沪

◆培训时间： 北京：2014年12月20-21日 27-28日【周末班】

2014年12月25-28日【连续班】

上海: 2015年1月24-25日 1月31日-2月1日

◆培训地点：北京：中国人民大学；上海：中国人民大学上海分部

◆培训费用：3600元（含发票）；全日制学生2500元 （含发票）

差旅及住宿费用自理

◆证书费用：400元，可以申请《数据统计分析师》证书
【最新规定：无需参加考试，结业后直接获取证书。】
◆授课安排：

  授课方式：SAS课程基于SAS 9.3系统，多媒体互动。
授课时间：9:00am-12:00pm，1:30pm-4:30pm
  答疑时间：4:30pm-5:00pm
  课间餐饮：提供午餐一份，咖啡饮料水果常备。

（2014年起为中国梦贡献一份力量每期为中西部贫困地区预留一个免费参加培训名额

凭贫困证报名即可）

自2014年7月1日开始凡参加本课程全额缴费（3600元）论坛即捐出100元做助学基金，每

积满3000元就捐赠给一所大学用于帮助贫困学生。（整个捐赠过程公开发布，为保护隐私被

捐赠个体不公开）上期2000元

  开课通知下载
课程介绍
   SAS技术与岗位需求零距离，使学员能够快速有效的了解和处理企业数据要求。

   （1）数据管理。企业的数据收集主要涉及3个方面：原始数据录入、数据文件读入和数据库的访问，这些我们将在前三节具体介绍，                这里以实际企业要求为背景，强调学员的上机动手实践能力。
      a、数据获取。
         企业需求：数据库访问、外部数据文件读入、
         案例分析: 访问db2、oracle、teradata等数据库、以及不同格式文件的导入，如spss、excel、stata等软件的数据文件。
      b、数据管理。
         企业需求：对大型数据进行编码、清理、转换。
         案例分析: 介绍SAS/base的编程技术
            1）data步
            #文件操作语句: 数据的访问、整合、输出
            Input、put、File、Set、Merge、Infile
            #运行语句: 程序运行
            赋值和累加语句、Stop、abort、Where、output、Call
            #控制语句: 控制程序的运行
            Do、If、Return、Go to、Link、Continue、leave、select(do)
            #信息语句: 数据集信息管理
            Array、Informat、Format、Drop和keep、Retain、Attrib
            #数据库语言SAS/SQL:汇总、检索数据
      c、数据探索和报表呈现。
         企业需求：对企业级数据进行探索，主要涉及图表的使用。
         案例分析: 企业绩效文件，如何生成美观清晰的报告。
            1）Means、Standard  Univariate描述变量信息。
            2）insight的数据探索过程。
            3）SAS的tabulate制表过程绘制精美表格。
      d、SAS高级程序语言宏程序
         企业需求：宏程序可以增强普通程序的使用效率，减少重复性质作业的工作量、应用十分广泛，像企业日常分析流程、
                           大数据分析等。
         案例分析: 企业日常分析流程的程序代码优化。

（2）数据处理
      a、相关与差异分析：corr、cancorr、anova。
            企业需求：企业往往需要探索影响企业效率的因素间的相关关系，这是最基础的过程，并在此基础上了解存在的差异。
            案例分析: 产品合格率的相关与差异分析。
      b、线性与广义线性预测：reg、logistic、genmod。
            企业需求：1）探索影响企业效率的因素，并进一步预测企业效率；
                     2）客户违约可能性预测
            案例分析: 产品合格率的影响因素及其预测分析与银行客户违约预报。
      c、因子分析：factor。
            企业需求：需要抽取影响企业效率的主要因素，进行重点投资。
            案例分析: 客户购买力信息研究
      d、聚类分析：varclus。
            企业需求：需要了解购买产品的客户信息
            案例分析: 客户购买力信息研究
      e、生存分析：phreg。
            企业需求：研发新产品的使用周期，能够缩短投入成本，并可以有效的预期市场使用率。
            案例分析: 产品耐用性研究。
      f、对应分析：corresp。
            企业需求：定性资料的数据大量存在，尤其是多分类的情况。
             案例分析:  女性购物信息的关联度研究。
      g、稳健模型：robustreg。
            企业需求：企业中大量的实验经济研究可以大幅减少成本投入。
            案例分析:  管理特征与员工胜任力的关系调查。

（3）SAS/EM模块：执行数据挖掘
         企业需求：企业中，需要合理优化产品、人力、服务间的关系，而这些特征多大存以数据形式。在面对海量的数据信息时，如何才能挖掘出有用的信息，
         那么SAS/EM可以有效的帮助分析人员快速的探索出数据背后的商业价值。
         案例分析1: 电商客户信息调查的数据分析流程；
         案例分析2: 耐用消费品预期销售的序列预报；
         案例分析3: 用户体验的文本信息关联度分析。

讲师介绍

丁亚军 首席数据分析师，现任职于人大经济论坛评谷数据处理与分析研究中心，兼职中国学习路径图国际培训中心技术顾问，SAS、SPSS高级统计学讲师。曾参与2012国家宏观经济预测、中国城镇居民家庭投资调查、泸州老窖目标管理与绩效考核等大型数据处理项目，具有丰富的数据处理经验。

常国珍现就读于北大光华管理学院，会计系。主要研究领域是宏观不确定性、企业风险管理与信用风险管理。拥有9年SAS数据统计工作经验，11年ORACLE数据库使用经验，2年数据挖掘平台建设经验；熟悉银行IT系统环境，尤其是评级器系统，从事过银行数据集市和数据挖掘平台的构建工作。曾就职于亚信科技（中国）有限公司市场部、方正国际金融事业部和长江商学院投资者研究中心。目前为SAS公司数据挖掘与统计分析课程的兼职讲师，培训客户包括人行征信、民生银行、光大银行、中信银行、江苏银行、泰康保险等金融或大型国企。

课程大纲

sas程序基础篇（常）

第1章：SAS软件体系介绍

第2章：SAS入门

2.1 SAS 程序介绍

2.1 提交一个SAS程序

第3章：认识SAS数据集

3.1 检查描述部分和数据部分

3.2 访问SAS逻辑库

3.3 访问关系数据库（自学）

第4章：读取SAS 数据集

4.1 读入数据简介

4.2 SAS数据集加工

4.3 选择观测和变量

4.4 添加永久属性

第5章：读取带分隔符的原始数据文件

5.1 读取带分隔符的标准数据

5.2 读取带分隔符的非标准数据

第6章：数据验证与清洗

6.1 数据验证与清洗入门

6.2 读取原始数据文件过程中检查错误

6.3 使用PRINT和FREQ过程验证数据

6.4 使用MEANS和UNIVARITE过程验证数据

6.5 清洗无效数据

第7章：数据处理

7.1 创建变量

7.2 依条件创建变量

7.3 选择观测

第8章：合并SAS数据集

8.1 数据集合并简介

8.2 追加数据集(自学)

8.3 串接数据集

8.4 一对一横向合并数据集

8.5 一对多横向合并数据集(自学)

8.6 非匹配数据集横向合

第9章：增强型报表

9.1 使用全局语句

9.2 添加标签和格式

9.3 创建用户自定义格式

9.4 对观测数据取子集与分组

9.5 直接输出外部文件

第10章：创建汇总报表

10.1 使用FREQ 过程

10.2 使用MEANS过程

10.3 使用TABULATE 过程(自学)

第11章：使用SAS/GRAPH作图

11.1 创建条形图和饼图示例

11.2 ODS介绍

11.3 GTL语言

第12章：控制输入和输出

12.1 输出多行观测

12.2 输出至多个SAS数据集

12.3 选择变量和观测

第13章：汇总数据

13.1 创建一个累加变量

13.2 分组数据的累计求和

第14章：读取原始数据文件14.1 用格式化输入法读取原始数据文件

14.2 控制何时载入记录

14.3 列表输入法的其他技巧 (自学)

第15章：数据循环处理

15.1 Do 循环处理

15.2 SAS 数组处理

15.3 SAS 数组使用

第16章：重组数据集

16.1 拆分列

16.2 堆叠列

16.3 转置

第17章：SQL

17.1 基本查询

17.2 汇总数据

17.3 横向连接表

17.4 数据字典

17.5 SQL和宏的信息交换

17.6 访问关系数据库与数据传输

第18章：宏变量与宏

18.1 宏变量

18.2 ROC曲线

18.3 通过Data和sql步创建宏变量

18.4 宏变量函数

18.5 定义宏和定义宏参数

18.6 宏中的分支流程语句

18.7 宏中的循环流程语句

SAS程序基础篇（丁）

1 SAS总体概览 1.1 课程介绍 1.2 SAS系统介绍 1.3 SAS 模块介绍 1.4 SAS界面讲解	2.1 SAS 数据集 2.1.1 SAS逻辑库 2.1.2 直接创建数据 2.1.3 间接获取数据	2.2 SAS 语法 2.2.1 基本概念 2.2.2 语法规则 2.2.3 语法错误诊断与修正
2.3 SAS编程之data步 #文件操作语句: Input、put、File、Set、Merge、Infile 4.2运行语句赋值和累加语句、Stop、abort、Where、output、Call 4.3控制语句 Do、If、Return、Go to、Link、Continue、leave、select(do) 4.4信息语句 Array、Informat、Format、Drop和keep、Retain、Attrib	5 SAS编程之proc步 Transpose、Means、Format、Plot、Standard、Rank、 Univariate、Options、Printto、Compare、Datasets、SQL	6 SAS运算符与函数 6.1 SAS运算符及其优先级 6.2 SAS函数 6.2.1 数学函数 6.2.2截取函数 6.2.3字符函数 6.2.4概率统计函数 6.2.5随机数函数 6.2.6日期函数

SAS统计篇

7 t检验 7.1 单样本t检验 7.2独立样本t检验 7.3配对样本t检验	8 方差分析 8.1单因素方差分析 8.2多因素方差分析	9 相关分析 9.1 变量关系之基：pearson线性相关 9.2 “万能”之spearman秩相关 9.3 多变量的度量：典型相关 9.3.1 典型相关系数及检验 9.3.2 典型结构分析 9.3.3 典型冗余分析
10 回归分析 10.1 简单回归分析 10.1.1 数据的预分析 10.1.2 反映变量关联程度：散点图 10.1.3 截距意义何在——变量变换 10.2 多元回归分析 10.2.1 多元回归分析：整体概览 10.2.2 处理异方差：加权回归分析 10.2.3 共线性处理1：主成分回归 10.2.4 共线性处理2：岭回归分析 10.2.5 是调节还是交互？：交互效应分解 10.2.6 盘根错节的“因果”关联：路径分析 10.3logistic回归分析 10.3.1 哑变量的重要角色 10.3.2 模型诊断与修正 10.3.3 自变量的筛选：逐步回归 10.3.4 多分类因变量（名义、有序）	10.4poisson回归 10.4.1 poisson回归的诊断 10.4.1 贝叶斯poisson回归 10.5 对应分析 10.5.1 定量资料的对应分析 10.5.2 定性资料的对应分析 10.6 稳健回归 10.6.1 稳健性之模型诊断 10.6.2 稳健性之M估计 10.6.3 稳健回归分析比较 11.列联表分析 11.1 卡方分析 11.1.1 卡方配合度检验(goodness of fit test) 11.1.2 卡方独立性检验（test of independence） 11.1.3 分层卡方分析 11.1.4 配对卡方分析 12.因子分析 12.1 模型检验与修正 12.2 因子得分	13.聚类分析 13.1 大样本的快速聚类（fastclus）. 13.2 观测聚类过程（cluster） 13.3 变量聚类过程（varclus） 13.4 树形结构图（tree） 14.判别分析 14.1 一般判别分析（dicscrim） 14.2 典型判别分析（candisc） 14.3 逐步判别分析（stepdisc） 15.数据挖掘（SAS/EM）构建预测模型：一个消费者购买行为的例子回归/决策树/神经网络模型的预测案例(3个): 1电商客户调查的数据分析流程; 2耐用消费品预期销售的序列预报; 3用户体验的文本信息关联度分析.