SAS数据统计分析师培训课程介绍
      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。

SAS数据统计分析师培训课程大纲
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.

是需要好好学习SAS了，论坛的课程一直很不错，支持

很好的资料和培训，谢谢

不错，谢谢