【北京/广州】SAS/SPSS数据分析师认证培训

人脉引爆点

7891

收藏 2015-04-13

SAS/SPSS数据统计分析师认证培训

spss数据分析师

◆培训时间：广州：2017年7月29-30日，8月5-6日【四天周末班】。

北京：2017年8月12-13日，8月19-20日【四天周末班】】

◆培训地点：广东省广州市越秀区东风东路 774号广东外贸大厦 10层

北京市海淀区厂洼街3号丹龙大厦B座3018

◆培训费用： 3600元/人；全日制学生2800元/人。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。

sas数据分析师

◆培训时间：北京 2017年9月2-3日，9-10日【四天周末班】

深圳 2017年8月19-20日，26-27日【四天周末班】；8月19-22日【四天连续班】

◆培训地点：北京市海淀区厂洼街3号丹龙大厦B座3018

深圳市南山区科技园北区科技北一路17号摩比大厦

◆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

SAS课程详情
SPSS课程详情

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

2015-4-13 09:43:11

SPPS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

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

2015-4-13 09:46:07

课程大纲

北京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

北京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.

◆深圳班课程详细大纲（赠北京深圳两地课程全视频）

第一天上午	第1章：入门指导 1.1 SAS Enterprise Guide 介绍 1.2 课程方案第2章：在项目中使用数据 2.1 通过SAS逻辑库访问数据 2.2 理解SAS数据集的定义 2.3 导入其他各式的数据文件
第一天下午	第3章：任务简介_列表与数据选择 3.1 任务和向导简介 3.2 创建Listing 报表 3.3在任务中过滤数据 3.4 创建 HTML, PDF, 和 RTF 输出第4章（自学）：使用“数据”菜单栏 4.1 数据任务介绍 4.2 拆分列 4.3 堆叠列 4.4 转置第5章：过滤与排序和查询生成器 5.1 数据查询简洁 5.2 数据过滤与排序 5.3 用表达式创建新列 5.4 在查询中对数据分组和汇总 5.5 连接表 5.6 连接包含不匹配的标 5.7 对列重编码第6章：使用函数 6.1 简介 6.2 字符变量处理 6.4 数值变量处理 6.5 变量类型转换第7章(自学)：CASE逻辑 7.1 重新编码值 7.2 使用替换条件 7.3 写CASE表达式 7.4 写嵌套CASE表达式第8章(自学)：使用提示 8.1 项目中运用提示(Prompt) 8.2 在任务中创建和使用提示 8.3 在查询中创建和使用提示第9章：结果排版 9.1创建HEML、PDF和RTF输出结果 9.2创建和应用自定义格式 9.3更新流程 9.4合并结果 9.5自定义输出样式
第二天上午	第10章：描述性统计 10.1 变量测量类型与描述统计方法 10.2 创建频数报表和汇总统计量 10.3 生成汇总统计量 10.4 用汇总表任务生成汇总报表 10.5 创建和应用自定义格式（自学）第11章：统计制图与数据可视化 11.1 统计制图原理 11.2 柱图、条图和地图第11章附(自学)：SAS绘图_ODS和GTL
第二天下午	第12章：聚类分析 12.1 基本逻辑 12.2 系统聚类 12.3 快速聚类第12章附：客户价值分析案例_RFM分析方法1h 第12章附.1 描述客户价值的维度第12章附.2 使用RFM分析方法对客户作简单划分第12章附.3 RFM分析与聚类分析相结合
第三天上午	第13章：假设检验概念 13.1 统计推断基本概念 13.2 变量分布的图形探索 13.3 均值的置信区间 13.4 假设检验第14章: 方差分析(ANOVA) 14.1 双样本T检验 14.2 单因素方差分析 14.3 方差分析事后检验 14.4 双因素方差分析
第三天下午	第15章：线形回归 15.1 探索性数据分析 15.2 简单线性回归 15.3 多元回归概念 15.4 模型的变量选择 15.5 模型解释与注意的问题第16章：回归诊断 16.1 检测残差 16.2 影响点 16.3 共线性
第四天上午	第17章：分类变量分析 17.1 描述分类数据 17.2 相关性检验 17.3 逻辑回归入门 17.4 包含分类预测变量的逻辑回归 17.5 包含交叉项的逐步选择法第18章：模型评估与其他1h 18.1 模型评估常用图—ROC曲线 18.2 模型优化方法—经验Logit曲线 18.3 分类模型总结 18.4 分类模型综合案例
第四天下午	第22章：主成分与因子分析 22.1 多元统计基础 22.2 主成分分析 22.3 因子分析第26章：多元统计部分综合案例 26.1 某制造类企业产品分析(波士顿矩阵) 26.2 企业生命周期分析第27章：时间序列 27.1 认识时间序列和趋势分解法 27.2 带自回归误差的回归分析专题一：电信企业真实案例