【SAS统计攻略】原来SAS才是最牛的统计软件！！！

人脉引爆点

28911

133

收藏 2014-12-11

1. SAS统计学习攻略？
A. 我没有基础，怎么学才能玩的转SAS？
      《SAS数据统计分析师》现场培训中，讲师会详细解读每个语句（常用的过程），及其程序运行的内       部机制（PDV），使学员能真正的学会使用SAS进行编程，并达到举一反三的效果。
B. 我不懂统计，怎么才能读懂SAS的结果？
   《SAS数据统计分析师》现场培训中，讲师会结合实际项目背景解读SAS统计输出，及其所表达的实
      际意义。同时了解这些统计模型在不同的项目背景下，需要注意什么，如何调整参数以期达到最优的
      结果。

C. 我没有项目分析的经验，如果才能设计整个项目分析的流程？
      《SAS数据统计分析师》现场培训中，讲师会以具体项目的需要为背景，帮助学员找到、并理清项目
      分析的整个过程，及其各个环节需要注意的细节。

2. SAS为什么是亮点？
A. 发论文用SAS：
      SAS是国际上最权威的统计软件，盛誉享誉全球，所以国内外认可度最高。无论是哪个级别的期刊，
      都会将SAS的结果视为最权威的结果。此外，很多介绍不同软件的书籍，都会以SAS的分析结果作为
      标准参考。

B. 项目分析用SAS：
      SAS不仅仅是一款软件，而是一个整合的系统，其庞大的模块群涉及的领域众多，像统计、计量、
      数据库、商业智能、可视化、营销自动化等这些模块，几乎都是不同领域的佼佼者，所以使用SAS
      可以帮助项目分析人员在一个统一的系统下，完成几乎所有的项目任务，便利程度可想而知。

C. 大数据用SAS：
   SAS处理数据的速度，可以说就目前而言无人能及。这在信息化社会里就可以节约大量的时间成本。
   这个价值很多情况下是无法估量的。尤其是在高频数据或超大型数据的情况下，SAS几乎是唯一的选择。

D. 就业方面：
      SAS作为数据分析领域的老大哥，国内外认可度都是第一。国外流行一句话：只要你会SAS，你就
      不愁没有工作。随着国内数据分析行业的兴起，SAS越来越多的被各大企业使用，你可以通过各大
      招聘网站搜索SAS，会有一大批的招聘需求，而且给出的薪资待遇都相当的不错。

3. SAS这么牛逼，参加SAS培训是不是很贵？
A. 国外行情：每个课时500美金左右，价格可以参考SAS官网英文版视频课程。
B. 国内行情：每个课时600元左右，价格可以参考国内其他SAS培训机构。
C. 【SAS数据统计分析师】超值价格：每个课时150元左右，学生每个课时90元左右。

【SAS数据统计分析师】

详情请看：https://bbs.pinggu.org/thread-1818238-1-1.html

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

2014-12-11 00:07:27

SAS数据分析师认证培训@京/沪

◆培训时间：北京 2017年6月17-18日 24-25日【四天周末班】

6月22-25日【四天连续班】

◆培训费用：3600元/人；全日制在校学生2800元/人（仅限本科和硕士）

差旅及住宿费用自理

◆在线直播： 2600元/人；全日制学生八折。

◆证书费用：400元，可以自愿申请数据分析师证书。

◆授课安排：

授课方式：SAS课程基于SAS 9.4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

小班授课，满15人开课，人数限制30人以内

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。

徐刚高级数据分析师，具有深厚的数理统计与应用数据分析专业背景，上海某金融机构数据分析部门高级DA，具有八年数据分析、数据挖掘的从业经验，曾就职零售企业、咨询公司等，独立或带团队完成零售、电信、金融等多个大型数据挖掘项目。（上海班讲师）

课程大纲

sas程序基础篇

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

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.