[学科前沿] SPSS/SAS数据统计分析培训&零基础学习&全国同步远程直播 [推广有奖]

3关注
20粉丝

教授

43%

还不是VIP/贵宾

威望: 1 级
论坛币: -203418 个
通用积分: 1202.1636
学术水平: 43 点
热心指数: 68 点
信用等级: 43 点
经验: 33824 点
帖子: 597
精华: 0
在线时间: 1278 小时
注册时间: 2015-6-30
最后登录: 2022-1-6

楼主

Frank233 发表于 2016-8-25 10:56:43 |只看作者 |坛友微信交流群|倒序 |AI写论文

是否 +2 论坛币

k人参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

SPSS/SAS数据分析师培训

当今社会，统计软件已经广泛应用于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研、教育等多个行业和领域，数据分析技能也已是学习、工作的必备技能之一。
国内最大的经管人士网络社区平台-经管之家（原人大经济论坛）隆重推出 SPSS/SAS 系列现场班，详情如下：

SPSS数据分析师
◆培训时间：北京 2016年10月15-16日 22-23日【四天周末班】
                  2016年10月20-23【四天连续班】
SAS数据分析师
◆培训时间：北京  2016年10月22-23日  29-30日【四天周末班】
               2016年10月27-30日【四天连续班】

上海、广州、深圳、成都不定期开课，满20人开班，可提前报名占座！

◆培训地点：北京市海淀区厂洼街3号丹龙大厦B座3018
◆培训费用：现场班：3600元/人；全日制学生2800元/人  差旅及住宿费用自理
         远程直播班：2600元/人；全日制学生2000元/人
◆授课安排：
  授课方式：SAS课程基于SAS 9.3系统，spss课程基于spss 22软件，多媒体互动教学，可远程直播。
  授课时间：9:00am-12:00pm，1:30pm-4:30pm
  答疑时间：4:30pm-5:00pm

课程大纲

SPSS数据分析师

SAS数据分析师

1.SPSS介绍
  1.1 实例演示。
  1.2 spss的特点。
  1.3 spss界面介绍

1.4 spss数据变量详解

2.数据的输入与保存
  2.1 数据获取：
  2.1.1 单选题、多选题与开放题的数据的录入。
  2.1.2 spss不同文件格式及外部数据（非spss数据格式）的导入。
  2.2 个体水平数据集（宽型数据）与测量水平（长型数据）数据集的异同。
  3. 数据预分析
  3.1 数据清理
  3.2 新变量生成，SPSS函数
  3.3 使用SPSS变换数据结构—转置和重组
  3.4 常用的描述性统计分析功能
  3.5 使用SPSS绘制常用统计图形
  4. 数据分析
  4.1 假设检验
  4.2 差异分析及相关分析过程
  4.3 回归分析基础
  4.4 因子分析与聚类分析
  4.5 对应分析
  4.6 bootstrap技术
  5. 使用SPSS制作数据分析的统计报表
  5.1 制作报表前对变量的检查
  5.2 制作报表的中对不同类型的数据处理
  5.3 报表生成功能与其他选项的区别
  5.4 注意事项
  6. SPSS编程操作
  6.1 程序编辑窗口操作入门
  6.2 基本语句
  6.3 结构化语句
  6.4 实例讲解spss编程

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  SAS 数据集
  2.1 SAS数据集与逻辑库
  2.2 直接创建数据：手动创建
  2.3 间接获取数据：访问本地文件与数据库
  3 SAS 语法
  3.1 基本概念
  3.2 语法规则
  3.3 语法错误诊断与修正
  4 SAS编程之data步—数据预分析
  案例1：如何管理数据集
  案例2：数据格式的排列组合
  案例3：数据的纵向汇总
  案例4：条件语句的设置
  5 SAS编程之proc步—统计描述
  5.1 平均数和标准差的意义
  5.2 正态分布有多重要
  5.3 数据标准化变换
  5.4 缺失值填补
  6 编程之proc步—统计推断
  6.1 差异性分析
  6.2 相关性分析
  6.3 线性回归分析
  6.4 稳健的logistics回归
  6.5 poisson 回归
  6.6 稳健回归
  6.7 主成分分析
  6.8 对应分析
  6.9 联合分析
  数据挖掘（SAS/EM）