SPSS统计分析教程:高级篇【2021年版】

现场

599

远程

599
上课地点:在线学习,提供全部资料和主讲老师答疑 讲师:张文彤 报名时间:2021/07/01 - 2021/12/31 开课时间:137节 32小时23分钟
image.png


课程简介

SPSS是应用范围最广的统计软件,也是非统计专业人员非常青睐的统计软件,掌握其基本操作方法在各行业人员中都有强烈的需求。


本课程为《SPSS统计分析教程(2021版)》的高级篇,对应教材《SPSS统计分析高级教程》(第3版)的覆盖范围,采用真实的商业案例贯穿整个课程,从统计分析实战的角度出发系统介绍SPSS中各种多变量统计模型、多元统计分析模型、智能统计分析方法的原理和软件实现。


课程目标

本课程为统计分析理论与SPSS操作相结合的统计分析高级课程,并非单纯的SPSS软件操作讲解。


学员基础

需要懂得SPSS软件的基本操作和常用统计分析方法,建议先学习本系列课程的《基础篇》。 


虽然课程中会详细讲解所用到的统计模型,但建议先学习免费课程《统计模型轻松入门》。 


软件版本

IBM SPSS Statistic 20~27均可,建议使用25~27版(差异很小)。


配套教材(需自备)

 张文彤,董伟 编著. 《SPSS统计分析高级教程》(第3版). 高等教育出版社, 2018.1


讲师简介

张文彤

博士

数据挖掘,市场研究,统计应用领域深耕多年


已出版多本软件教材、数据分析与挖掘专著,现为上海吴鲲企业管理咨询有限公司合伙人。


曾在复旦大学公共卫生学院任教数载,其教学有讲解深入浅出、突出重点,简明易懂等特点。


拥有20+年数据分析及统计软件商业培训经验,精通业内广泛使用的SAS、SPSS、Modeler、R、Tableau、Python等数据分析/数据挖掘工具,曾作为SPSS官方培训师,从2001年起一手协助SPSS中国建立其培训体系。


主编SPSS、SAS等统计软件教材10+本,其SPSS教材被教育部评为2003-3004年度教育部研究生推荐教材,后续版本被国内外三百多所高校选用为本科生/研究生教材。


课程权益

1、24小时内答疑 ;

2、随时随地,不限时、不限次观看课程 ;

3、专属资料下载;

注:本课程提供课程中用到的全部数据文件供学员练习使用,但由于已有配套教材,因此不再单独提供学习课件资料下载。


课程框架


章节目录


01

准备软件环境(5讲)

1 设置1 SPSS27新功能介绍 

2 设置2 SPSS的python扩展插件安装 

3 设置3 SPSS的R插件安装与配置 

4 设置4 如何在27版中进行插件的安装与配置 

5 设置5 如何将模型用于新案例预测


02

一般线性、混合线性与广义线性模型(25讲)

1 GLM1 一般线性模型入门 

2 GLM2 单因素模型分析案例 

3 GLM3 两两比较方法的选择 

4 GLM4 多因素方差分析模型入门 

5 GLM5 多因素方差分析模型案例 

6 GLM6 随机因素方差分析模型案例 

7 GLM7 协方差分析 

8 GLMex1 因素各水平的精细比较1 

9 GLMex2 因素各水平的精细比较2 

10GLMex3基于模型做自定义检验 

11GLMex4 拟合优度检验与效应量估算 

12GLMex5 多元方差分析模型:概述 

13GLMex6 多元方差分析模型:案例 

14GLMex7 重复测量方差分析模型:概念 

15GLMex8 重复测量方差分析模型:案例

16GEE1 多水平模型入门1 

17GEE2 多水平模型入门2 

18GEE3 层次数据案例 

19GEE4 重复测量案例 

20GEE5 广义线性模型:概述 

21GEE6 广义线性模型:案例 

22GEE7 广义估计方程:概述 

23GEE8 广义估计方程:案例 

24GEE9 广义线性混合模型:概述 

25GEE10广义线性混合模型:案例 

向下滑动查看



03

线性回归与非线性回归(19讲)

1 回归1 线性回归模型概述 

2 回归2 回归模型的基本分析操作 

3 回归3 自变量重要性 

4 回归4 回归模型的适用条件 

5 回归5 回归模型的标准建模步骤 

6 回归6 回归模型的多变量筛选策略 

7 回归7 复杂案例:垃圾排放影响因素研究 

8 regex1 曲线直线化 

9 regex2 强影响点的处理 

10 regex3 稳健回归 

11 regex4 共线性的处理 

12 regex5 岭回归

13 regex6 方差不齐的处理 

14 reg自动线性建模1 界面说明 

15 reg自动线性建模2 分析案例 

16 reg自动线性建模3 boosting和bagging 

17 nolin1 实例1:曲线回归 

18 nolin2 实例2:最小一乘法 

19 nolin3 实例3:分段回归 

向下滑动查看



04

logistic回归模型(18讲)

1 logistic1 模型基本概念 

2 logistic2 模型适用条件 

3 logistic3 分析案例 

4 logistic4 模型中的检验方法 

5 logistic5 哑变量的基本概念 

6 logistic6 哑变量的软件操作 

7 logistic7 模型的多变量筛选 

8 logex1 弗斯logistic回归模型 

9 logex2 无序分类模型:概述 

10 logex3 无序分类模型:案例 

11 logex4 有序分类模型:概述 

12 logex5 有序分类模型:案例

13 条件logistic1 配对设计的基本概念 

14 条件logistic2 模型的基本原理 

15 条件logistic3 病例对照研究中的个案控制匹配 

16 条件logistic4 病例对照研究中的倾向得分匹配(PSM) 

17 条件logistic5 1比1条件模型案例 

18 条件logistic6 1比m条件模型案例 

向下滑动查看






05

树模型、最近邻分析、神经网络与支持向量机(22讲)

1 CRT1 树模型的基本概念 

2 CRT2 树模型的信息量计算 

3 CRT3 树模型的各种算法 

4 CRT4 CRT树模型的基本操作 

5 CRT5 树模型对话框的选项设定 

6 CRT6 树模型的错分成本和利润计算 

7 CRT7 CHAID、QUEST和C5算法的实现 

8 CRT8 随机森林 

9 NN1 神经网络的基本原理 

10 NN2 神经网络的算法实质 

11 NN3BP神经网络的基本操作 

12 NN4BP神经网络的选项设定 

13 NN5径向基神经网络 

14 NN6最近邻分析的基本原理 

15 NN7最近邻分析案例 

16 SVM1支持向量机的基本原理 

17 SVM2 SVM中的核函数 

18 SVM3 SVM分类 

19 SVM4 SVM的参数优化 

20 SVM5 SVM回归 

21 SVM6 异常值检测的基本理论 

22 SVM7 用单类SVM完成新奇值发现 

向下滑动查看



06

主成分分析,因子分析与对应分析(12讲)

1 因子1 主成分分析的基本原理 

2 因子2 主成分综合评价案例 

3 因子3 主成分回归案例 

4 因子4 因子分析的基本原理 

5 因子5 用因子分析完成综合评价 

6 因子6 因子旋转 

7 因子7 各种因子提取方法 

8 因子8 平行分析:一种其实没啥用的方法 

9 对应1 对应分析简介 

10 对应2 对应分析案例 

11 对应3 对应分析中的选项 

12 对应4 基于均数的对应分析


07

聚类(16讲)

1 聚类入门1 聚类分析的基本原理 

2 聚类入门2 聚类分析的方法分类 

3 聚类入门3 k均值聚类的基本原理 

4 聚类入门4 K均值案例:背景介绍与数据理解 

5 聚类入门5 K均值案例:初步尝试分析 

6 聚类入门6 K均值案例:最终分析结果 

7 聚类扩展1 聚类结果的验证 

8 聚类扩展2 聚类结果的优化 

9 聚类扩展3 聚类分析的注意事项 

10 聚类ex1 层次聚类的基本原理 

11 聚类ex2 层次聚类分析案例 

12 聚类ex3 层次聚类的各种选项 

13 聚类ex4 两步聚类的基本原理 

14 聚类ex5 两步聚类分析案例 

15 聚类ex6 DBSCAN聚类的基本原理 

16 聚类ex7 DBSCAN聚类分析案例 



向下滑动查看



08

生存分析与时间序列模型(12讲)

1 生存1 生存分析概述 

2 生存2 生存率的计算与曲线绘制 

3 生存3 生存曲线比较 

4 生存4 寿命表法 

5 生存5 风险函数与风险比 

6 生存6 cox模型的基本概念 

7 生存7cox模型的具体操作 

8 生存8 时依cox模型 

9 生存9 生存分析中的分层变量 

10 时序1 时间序列模型概述 

11 时序2 序列数据的准备与探索 

12 时序3 对序列数据做ARIMA建模 


09

最优尺度(8讲)

1 最优尺度1 最优尺度模型概述 

2 最优尺度2 最优尺度模型的对话框设定 

3 最优尺度3 最优尺度回归操作 

4 最优尺度4 多重对应分析案例1 

5 最优尺度5 多重对应分析案例2 

6 最优尺度6 有序分类变量的主成分分析(CATPCA) 

7 最优尺度7 多维偏好分析的基本概念 

8 最优尺度8 多维偏好分析案例 


订阅须知

1、本课程为在线视频课程,订阅前请详细阅读详情介绍及目录,一经出售,不支持退换。

2、未经授权,严禁任何形式的翻录、转载。

3、课程支持手机、电脑、平板在线观看。

4、个人学习,请点击 立即订阅,为他人购买请点击“送好友”。


订阅咨询

小丸子
微信号|jgzjwanzi

备   注|SPSS
image.png