京公网安备 11010802034615号
经营许可证编号:京B2-20210330

SPSS暑期特训
从入门到精通,最系统最全面的名师课程!
|
培训时间:2014年8月8日-13日(初中级和高级各3天) 培训地点:北京,中国人民大学 培训费用:
现在报名送新书,送全套视频! 标准价格包含发票,讲义,教材,工作餐;全日制学生优惠价格不含发票。差旅及食宿费用自理。 授课安排:(1) 授课方式:使用最新的SPSS Statistics 22中文版,中文多媒体互动式授课方式。 (2) 授课时间:上午9:00-12:00, 下午13:30-16:30 (16:30-17:00答疑) 开课通知
|
学员对象
各高校在校教师,或者在读本科/进修/研究生,希望从头学习SPSS操作,或者进一步强化软件应用能力者均可报名。课程目标
通过培训,系统提高统计分析相关专业教师的SPSS软件操作水平和教学水平,强化使用SPSS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:
培训教材
张文彤,邝春伟. SPSS统计分析基础教程(第2版). 北京:高等教育出版社. 20118.8--8.10 初中级
-----第一天-----
|
课程名称 |
课程内容 |
|
介绍 |
培训说明和讲师自我介绍 |
|
SPSS简介 |
了解SPSS系统的构成,界面设定,中文兼容问题 |
|
操作入门 |
中国消费者信心调研(CCSS)项目简介 以CCSS为例,掌握数据管理界面的一般操作,问卷中单选题、多选题、开放题等的数据库设定格式,可以独立完成在SPSS中建库、录入数据工作,并熟悉常用数据转换命令的用法。 |
|
程序操作 |
熟悉SPSS程序的基本结构,懂得如何使用粘贴命令自动生成SPSS程序。 了解SPSS宏程序的基本结构 了解OMS(输出管理系统)在实际项目操作中的应用价值 |
|
数据管理 |
熟悉常用数据转换命令的用法,掌握计算新变量、变量转换、筛选变量、数据查重等操作,熟悉数据库合并、拼接等复杂操作。重点学习以下过程:compute、sort、split、weight、merge file。 了解和大型数据库管理相关的数据字典功能 |
|
CCSS案例数据管理实战讲解 |
介绍如何利用SPSS进行CCSS案例数据的数据管理,包括如何构建查错流程,如何利用程序每月进行数据的例行自动分析。 |
-----第二天-----
|
课程名称 |
课程内容 |
|
统计描述 |
熟悉统计描述指标体系 针对不同类型数据格式能够正确选用描述方法 掌握常用描述性指标的操作和结果阅读 掌握多选题的常用指标和分析方法。 |
|
统计表 |
熟悉SPSS结果窗口的常用操作方法,熟悉SPSS表格的结构与功能特点,掌握制表的基本方法,掌握结果表格的编辑、结果的导出。 了解Table模块的交互界面操作方式以及功能特点 |
|
统计绘图 |
掌握常用统计图(线图、条图、饼图、散点、直方图等)的绘制方法,熟悉其他统计图的绘制方法,熟悉统计图的一般编辑方法。 通过学习,能够独立判断遇到的统计问题应当采用何种统计图形,用SPSS独立完成各种常用统计图的绘制,并基于图形描述回答研究问题。能根据目的对统计图进行一定的编辑。 |
|
数据实战案例 |
探索消费者信心指数随背景资料的变化规律 CCSS项目分析报告的自动化生产 |
|
均数间的比较(1) |
了解假设检验的基本原理 掌握成组、配伍t检验的操作方法和结果阅读 熟悉Bootstrap抽样等计算统计学方法的分析结果 |
-----第三天-----
|
课程名称 |
课程内容 |
|
均数间的比较(2) |
掌握单因素方差分析的操作方法和结果阅读。 能根据分析目的正确选择两两比较方法 了解组间精确比较的操作和结果阅读 |
|
卡方检验 |
成组卡方检验 配对卡方检验 分层卡方检验 |
|
相关分析与回归分析 |
掌握相关分析的操作,掌握其结果阅读。 偏相关分析的原理、操作与结果阅读。 熟悉一元线性回归模型的分析步骤、操作和结果阅读 |
|
如何正确选用常用统计分析方法 |
系统串讲各种常用方法的适用条件,协助学员建立起完整的方法体系 |
|
综合案例讲解 |
咖啡屋需求调查案例 牙膏新品购买倾向研究案例 通过对这些案例的学习,帮助学员强化实战应用的经验,融汇所学的统计方法 |
|
讨论与答疑 |
统一回答或者讨论之前学员的疑问 |
8.11-8.13 高级
-----第四天-----
|
课程名称 |
课程内容 |
|
高级统计分析方法体系简介 |
协助学员快速建立起完整的统计分析方法体系,为随后的培训内容给出清晰的结构 |
|
方差分析模型 |
单因素方差分析的数据格式、操作方法与结果解读 方差分析中各种两两比较方法的选择、操作和结果解读 一元多因素方差分析模型的原理、操作和结果解读 相应的图形工具在分析中的应用 |
|
方差分析模型进阶 |
|
|
线性回归模型 |
相关分析与回归模型的联系与区别 多元线性回归模型的原理、分析步骤、操作和结果阅读 逐步、前进、后退三种筛选方法的含义与用法、分析结果的阅读 各种常用模型诊断工具(分类图等)的用法 |
|
线性回归模型进阶 |
曲线拟合 加权最小二乘法 岭回归 最优尺度回归 自动线性建模过程简介 |
|
非线性回归 |
熟悉非线性回归模型的分析操作和结果阅读 |
-----第五天-----
|
课程名称 |
课程内容 |
|
Logistic模型 |
掌握二分类Logistic回归模型的原理、分析步骤、操作和结果阅读 |
|
Logistic模型进阶 |
了解无序多分类、有序多分类Logistic回归模型的原理和功能 |
|
主成分分析 因子分析 |
熟悉因子分析和主成分分析的用途、目的,掌握如何判断因子分析的适用条件,能正确选择适当的因子。熟悉因子旋转的含义并能正确使用。掌握分析结果的阅读。 |
|
对应分析 |
熟悉对应分析的原理、用途、目的、掌握其使用方法、结果阅读。 |
|
多维尺度分析 |
熟悉多维尺度分析的原理、用途、掌握其使用方法、结果阅读。 |
-----第六天-----
|
课程名称 |
课程内容 |
|
聚类分析 |
掌握快速聚类和系统聚类的操作,了解各种距离,能按要求将样本进行分类,重点掌握对其结果的阅读,尤其是冰柱图和树状图结果的解释。 了解两步聚类、最邻近元素聚类方法的原理和功能 |
|
判别分析 |
了解判别方法的分类,熟悉判别分析的适用条件和结果验证方法,掌握判别分析的操作,重点掌握对结果的阅读(领域图、未标化典型判别函数、Bayes判别函数)和如何使用模型结果对新纪录进行分类。 |
|
判别分析进阶 |
了解树模型、神经网络方法的原理和功能特点。 |
|
信度分析 |
熟悉信度分析的用途、使用方法、结果阅读。 |
|
时间序列分析 |
熟悉时间序列模型的基本原理、用途、基本操作流程、建模时常用的诊断工具。 |
|
生存分析 |
熟悉生存分析的基本原理、基本概念和用途。 掌握Cox模型的原理、操作方法和结果的阅读。 |
|
讨论与答疑 |
统一回答或者讨论之前学员的疑问 |

数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23