SAS数据统计分析师认证培训课程标准

【课程简介】

社会30年快速发展,sas软件正在使我们渐渐窥探到数据时代的特征,随着数据的积累, 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。
SAS9.3的推出, 在海量数据分析方面有了显著改善,同时兼备数据管理、数据库访问等技术, 这使得sas在大数据处理方面可以说是很完备的。如今sas软件及spss软件已广泛应用于金融、医疗、科研等人们生活的每个领域。

【课程特色】

通过培训,系统提高统计分析相关专业教师的SAS软件操作水平和教学水平,强化使用SAS进行相关科研工作的能力,并普及相应的软件知识与统计学知识。具体来说是:
A、使得学员真正了解SAS强大的统计分析功能,并熟悉SAS提供的各种复杂统计分析模型的用途和适用条件。
B、掌握常用高级统计分析方法的原理、在SAS中的操作和结果阅读。
C、能将相应的统计模型结合实际问题加以具体运用,并懂得如何在SAS中实现。

【学员打分】

95分
SAS DVD课程 SAS 现场班

【优秀评语】

1、老师讲课深入浅出,娓娓道来,对我这种基础差的学员也能够很好的兼顾,课程上的案例也非常吸引我。
2、老师课程讲解清晰,结合实际案例有很大帮助。满满的干货,特别好
3、老师的模型原理和步骤讲的很好,例子也举得很好。案例很实际

【课程标准】

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
——假设检验原理
——t检验:判断组间差异
——方差分析:判断多组间差异
——协方差分析:存在协变量的群组差异

6.2 相关性分析
——散点图提供了变量间的关系模式
——变量关系的基础:pearson、spearman相关系数
——偏相关分析
——多变量相关性:典型相关

6.3 线性回归分析
——简单回归分析
截距意义何在:数据平移
斜率反应预测关系的大小
——多元回归分析
多元回归分析:回归概览性描述
处理异常值:残差分析
常用的对数变换
模型的可接受误差评析
哑变量变换

6.4 稳健的logistics回归
预分析:卡方独立性检验
构建模型与模型诊断、修正
自变量筛选与多模型评估:roc曲线
自变量的筛选:逐步回归
何谓稳健?

6.5 poisson 回归
poisson回归的诊断
贝叶斯poisson回归

6.6 稳健回归
稳健性之模型诊断
稳健性估计方法
稳健回归分析比较

6.7 主成分分析
多维偏好分析
探索性因子分析
问卷的结构效度指标
因子得分的应用:潜变量

6.8 对应分析
预分析:频数、交叉表与卡方
一元对应分析:行为与选择的对应特征
多元对应分析:维度的意义

6.9 联合分析
联合分析流程
析因设计与效应值计算
联合分析过程

数据挖掘(SAS/EM)
统计模型与数据挖掘的区别:数据量、数据精确度、时间、关注点
构建预测模型:购买倾向分析:基于回归、决策树、神经网络模型的预测