SPSS国庆特训|统计与数据分析

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国庆特训|统计与数据分析

课程内容附有全课程的完整案例、配套数据、案例背景以及理论理解的相关课件，有利于学习和进一步提高数据分析能力，因此学习本次课程的理由包括如下几项：

第一、 课程覆盖了统计学习和机器学习的核心技术，包括从小数据到大数据的实践应用场景，涵盖数据管理、数据可视化、表格自动化等内容，内容详实，实用性很强。

第二、 统计的核心技术习得过程遵循：理论原理介绍——案例背景解释——软件操作技术——统计实现——输出表格图形解释——应用建议。

第三、 以案例方式为学习主线，理论与数据分析经验融合，更具有场景代入感，使初学者更容易掌控和实现数据建模技术。

第四、 以数据分析流为宏观主线，附有对数据具体环节的介绍和理解，包括数据预分析和模型修正的常用技术。

第五、 系统详实的论文发表、论文写作技巧，结合和提高实证分析能力，完成统计建模，提升论文质量。

2021国庆SPSS统计与数据分析研讨班

培训时间：2021年10月1-5日

培训方式：现场班

培训地点：北京市西直门中坤大厦

培训费用：5000元/4200元(学生优惠价仅限全日制本科及硕士在读)

授课安排：9:00-12:00,14:00-17:00; 答疑

软件：SPSS、AMOS

课程对象: 面向高等院校、科研所的相应专业，如经济学、管理学、政治学、社会学、心理学、教育学等学科以及相关社科类从事定量学术研究的教师、博士硕士研究生和学者，另外使用SPSS进行商业数据分析的团队也是本次课程的受益人群。

目录总览:

第1天：

第一部分——综合案例

1.业务问题向统计问题的转化?

2.如何寻找影响因素?

3.数据描述探索

4.数据清理事项

5.模型特点及如何学习?

6.模型评估

7.综合解读模型输出

8.数据分析流程介绍

第2-4天：

第二部分——统计学习与机器学习

1.线性回归：文氏图

2.逻辑回归：主次归因

3.决策树：质量监控及规则归因

4.神经网络：质量监控及预测

5.主成分分析：特征选择技术

6.时序预测：销量预测

第5天：

第三部分——结构方程技术

1.结构方程原理

2.中介效应模型

3.多群组结构方程

4.自抽样与贝叶斯

报名流程：

1. 点击对应课程报名链接；

2. 经管之家论坛账号登录，在线提交报名信息；

3. 进入结算中心，订单支付；

4. 与JG学术培训樊老师确认发票信息；

5. 开课前一周发送课程资料，进入答疑群。

优惠信息：

经管之家现场班老学员九折优惠；

同一单位3人以上同时报名九折优惠；

同一单位6人以上同时报名八折优惠；

组合优惠与折扣优惠，学生优惠价均不叠加。

报名咨询：

樊老师

电话：18611083334

WeChat：fanyuliang_cda

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

分享0 收藏0 回帖

关键词：数据分析 SPSS PSS 数据分析课程 数据分析能力 统计 SPSS 数据分析 学术培训

=============================================================

丁亚军 高级顾问，任职于经管之家数据科学研究院高级研究员、电子工业出版社大数据专家委员会成员，学习路径图技术中心顾问、经管之家培训中心讲师。 研究方向：“电商CRM数据挖掘”、“机器学习与深度学习算法”、“银行行为评分卡”。

============================================================

研究专项：

1.市场调查方向：态度类的问卷设计、技能测评类量表设计、问卷类调研及数据分析，统计基础理论（抽样、数理统计）、软件（spss、sas）；

2.机器学习方向：电商数据挖掘（营销类数据分析、CRM客户行为分析类、客户画像等内容）、评分卡制作（银行类）、机器学习算法、软件（sas、python（sklearn））

3.深度学习方向：图像识别类的项目（图像分类任务、图像识别）、深度学习算法（卷积类与循环类神经网络）、软件（python(keras、tensorflow)）

出版书籍：

l  《Python机器学习技术：模型关系管理》，电子工业出版社，作者丁亚军，2021年（本书将于2021年年底上市预售，暂未出版）。

l  《统计分析：从小数据到大数据》，电子工业出版社，作者丁亚军，2019年。

l  《如虎添翼：数据处理的SPSS和SAS EG实现》（第2版），电子工业出版社，作者（徐筱刚 常国珍 丁亚军），2015年。

大型项目：

1. 江苏广电CRM数据挖掘，数据分析架构搭建、数据分析与分析报告。

（1）数据库数据产品设计

（2）数据挖掘模型架构：布局、数据流、项目整合

（3）客户流失预警、VIP客户转化、客户画像

2.         中国城镇居民家庭投资调查：

（1）信息收集包括公共资源收集、访谈（资料编码）——根据项目方的需求使问题量化。

（2）市场调研：收集样本信息，随访、网络调查。

（3）数据分析：频率、相关性、回归、广义线性

（4）报告

3.         泸州老窖：泸州老窖目标管理与绩效考核：

（1）量化员工胜任能力、绩效

（2）建模：员工胜任能力与对绩效的影响。

4.         卫生部：中国卫生状况调查

（1）描述特征：基本人口学变量、烟龄与吸烟量、住房类型、饮水、距离、收入、人均年医疗支出、新农合、地区、职业类型、社保费用、商保费用、高血压指导。

（2）数据分析：健康指标预测监控。

（3）报告

5.人大经济论坛：论坛网页版块、颜色、偏好的优化

（1）对论坛用户进行调研（50名）

（2）获得不同属性偏好的数据文件

（3）对结果进行联合分析，以优化网页设置。

6.第三方咨询公司：***大型客户满意度调查分析

（1）收集和整理3000家门店的满意度数据

（2）开发数据挖掘和数据分析流程

（3）满意度模型算法开发

7.中国建设银行（郑州中心）：银行申请评分卡咨询

（1）申请与行为评分卡治理

（2）布局数据挖掘算法——速度优化

（3）信用评分卡制作

8. 中国烟草(天津卷烟厂)

（1）第一阶段 数据价值与模型搭建

（2）第二阶段 方法论1：质量监控与问题诊断

（3）第三阶段 方法论2：风险预测

（4）第四阶段 方法论3：产品细分与异常诊断

企业内训：

1.中国工商银行(总部)数据挖掘培训与项目咨询。

2.中国移动（云南）移动分公司数据分析培训。

3.江苏广电（总部）市场调查全系列培训与数据分析。

4.中国银行（江苏）数据挖掘培训。

5.奔驰金融中心（总部）数据挖掘培训与项目咨询。

6.国家体育射击中心（总部）数据挖掘培训。

7.中国民航信息中心（总部）数据挖掘培训与项目咨询。

8.迈瑞医疗（总部）数据挖掘培训与项目训练。

9.字节跳动（西安）数据挖掘思维培训。

时 程	数据分析项目
第一部分——综合案例
第1天	涵盖内容： 解决问题:了解数据分析每个环节的具体内容、技术要求，有助于在更宏观的层面上看待数据分析。 1. 数据分析流 (1) 业务问题向统计问题的转化? (2)如何寻找影响因素? (3)数据描述探索 (4)数据清理事项 (5)模型特点及如何学习? (6)模型评估 (7)综合解读模型输出 (8)数据分析流程介绍
	案例数据：使用工业质量数据“残耗”，讲解数据分析的全流程
第二部分——统计学习与机器学习
第2天 - 第4天	涵盖内容： 解决问题:线性回归是最基础的统计模型，也是应用较为频繁的统计技术，掌握这项技术有助于我们更好的学习其他所有模型。 1.线性回归：残差分析      (1) 相关系数与回归      (2) 线性回归：文氏图      (3) R2+残差分析      (4) 模型归因与预测      (5) 回归模型的综合应用解释 解决问题:了解逻辑回归模型的原理及其在主次归因问题上的突出表现。 2.逻辑回归：主次归因      (1) 卡方分析原理：期望与频数      (2) 模型评估：正确率与ROC      (3) OR效应与 RR效应的解释      (4) 模型修正技术：工具变量      (5) 异常值与稳健模型 解决问题:决策树区别于逻辑回归，强调通过可视化的方式回答规则归因问题。 3.决策树：质量监控及规则归因      (1) 决策树概览及原理      (2) 树桩、决策树与随机森林      (3) 特征选择与运算      (4) 决策树可视化 解决问题:神经网络擅长于将原始数据 “破碎化”，然后通过复杂的网络结构将其组合，形成一套识别数据的模式，进而可以利用其优势进行数据预测。 4.神经网络：质量监控及预测      (1) 感知器模型=线性回归？      (2) 感知器：运算规则      (3) 多层感知器:结构层      (4) 网络结构调整      (5) 特征工程与神经网络      (6) 神经网络与预测 解决问题:主成分通过数据压缩完成2个主要的工作：一个是特征筛选、一个是因子分析的结构效度分析。 5.主成分分析：特征选择技术      (1) 主成分模型原理      (2) 主成分的评估标准      (3) 数据压缩与因子分析      (4) 主成分回归模式      (5) 探索与验证技术 解决问题:时间序列数据区别于横截面数据的显著特点是，行与行之间产生了相关性，这就需要特殊的时间序列模型ARIMA。 6.时序预测：销量预测      (1) 统计与时序可视化      (2) 时间序列预处理：平稳性      (3) ARIMA模型：p和q      (4) 模型评估：r2与白噪声      (5) 模型短期预测
	案例数据：“绩效管理数据”、“机器故障数据”、“金融信贷数据”、“产品收益率数据”。
第三部分——结构方程技术
第5天	涵盖内容： 解决问题:结构方程模型的最基础原理是实现了方程的联立，这有利于解决多因变量问题以及复杂路径等问题。 1.结构方程原理 (1) 模型基本概念：潜变量、内生变量 (2) SEM模型原理：协方差 (3) SEM模型评价：5大指标 (4) 软件操作练习 解决问题:中介效应是结构方程模型中使用最为频繁的一种模型，有利于研究因果问题中的中介作用。 2.中介效应模型 (1) 中介效应与间接效应 (2) 中介效应的模型设定 (3) 效应值计算 (4) 多层中介存在的问题 解决问题:大型数据的显著其特点是数据内部聚集性，因此数据的组内和组间效应则成为模型效应分解的重点，多群组结构方程模型可以有效应对这些问题。 3.多群组结构方程 (1) 组内与组间效应 (2) 多群组结构方程模型 (3) 多群组模型设定及评估 (4) 群组间效度检验：效度分析 (5) 多群组均数检验 解决问题:与大数据不同的是，限于现实环境所限，收集的数据往往有限，出现了所谓的小数据，那么如何研究变量间的复杂路径或结构关系？自抽样和贝叶斯技术则应运而生。 4.自抽样与贝叶斯 (1) 大样本理论 (2) 自抽样与置信区间 (3) 贝叶斯与先验概率 (4) 小样本：综合技术总结
	案例数据：“绩效管理数据”、“饮酒焦虑数据”、“满意度结构数据”