| 培训对象 | SPSS统计分析软件入门使用者,或希望将SPSS使用效果掌握到最好的使用者和希望得到正规培训的自学者。 |
| 必要技能 | Windows操作技能 |
| 培训内容 | 1. SPSS软件及统计分析过程方法论简介 2. 统计分析过程方法论应用：一个调查研究的实例 3.SPSS for Windows的各个模块简介 4. 数据输入与建立 数据文件获取：Execl和其它各种ASCII文本文件，数据库数据等各种格式数据的读取 数据文件的建立：变量名、变量标签、值标签、变量类型、缺失值等的处理方式，收集数据时的错误和误差 5. 数据管理与变换： 数据分段 衍生变量 变量重新编码 6. SPSS统计图表和报表展示： 饼图、直方图、三维直方图、散点图、条图、线图、茎叶图、箱线图、帕雷托图、Q-Q图、P-P图、控制图等 7. 打印与存储输出 8. 高级数据修改 9. 文件管理 10. SPSS编程 基本使用方法 SPSS编程命令语句 11. 实用特性举例 12. 枢轴表编辑器的用户化输出 13. 集中趋势及离散趋势分析 14. 正态检验 15. 非参数检验 16. 变量间关系描述 17. SPSS交叉表分析过程 交叉列表的分析对象、解决的问题，应用SPSS实现交叉列表分析 18. 单样本及双样本T检验 19. 方差分析(ANOVA) 20. 多选题变量分析及SPSS实现 多选题变量的编码形式、分析指标；多选题变量的建立、频数分析、交叉列表分析； 多选题变量的探索性分析 21. 如何选择合适的统计学方法 |
| 培训目的及效果 | 培训人员能够掌握相关理论、能使用SPSS进行较为复杂的数据统计分析操作。 |
| 培训对象 | 想学习SPSS的高级统计功能，扩展适当统计过程的背景知识的用户,或希望将SPSS使用效果掌握到最好的使用者和希望得到正规培训的自学者。 |
| 必要技能 | 有使用SPSS for Windows的经验， 有一定的统计学基础 |
| 培训内容 | 1. SPSS软件及统计分析过程方法论 2. SPSS的数据描述方法 3. 图形的修改编辑 4. 数据正态分布： 数据正态分布的重要性 数据正态检验的SPSS实现 5. 假设检验： 假设检验的基本思想、概念、步骤 组间的均值差异：简单情况 方差齐性检验 单样本均值检验 6. 样本均值检验 7. 独立样本及配对样本均值比较 8. 方差分析： 单因数方差分析 方差分析中的多重比较 因素水平影响程度的对比设计及检验 多因素方差分析 协方差分析简介 9. 非参数检验： 两个独立样本 两个相关样本 K个独立样本 K个相关样本 10. 相关分析： 变量间的关系 相关分析基本方法简介 Person相关系数的计算及检验 偏相关分析 11. 回归分析： 回归方程的假定条件、分析步骤、常用指标 一元线性回归分析实例 回归的诊断、优化 回归结果的解释 12. 判别分析： 判别分析的基本目标 常用方法简介 13. 聚类分析： 非系统聚类简介、方法、实例 系统聚类方法简介、方法、实例 14. 数据降维技术： 主成份分析 因子分析 15. 讨论与总结 |
| 培训目的及效果 | 培训人员能够掌握相关理论、能使用SPSS软件进行复杂的数据处理。 |
| 时间 | 4天 |
| 培训对象 | SPSS统计分析软件入门使用者,在校师生、或希望将SPSS使用效果掌握到最好的使用者和希望得到正规培训的自学者。 |
| 必要技能 | Windows操作技能 |
| 培训内容 | 第一讲. 统计分析概述与SPSS软件 1. SPSS软件及统计分析过程简介 2. 统计分析过程方法论应用：一个调查研究的实例 3. SPSS for Windows的各个模块简介 4. SPSS的Help系统 第二讲. SPSS之数据输入与建立 1. 统计分析要求的数据格式 2. 单选题、多选题、开放题的数据录入 3. 变量属性：变量名、变量标签、值标签、变量类型、缺失值 4. 读取SPSS格式、Excel格式、文本格式、数据库等格式数据 第三讲. SPSS之数据管理和变换 1. 新变量的生成 2. 变量类型和数据结构的转换 3. 数据合并、汇总、选择和拆分 第四讲. SPSS之数据描述 1. 各种变量的描述及在SPSS中的实现 2. SPSS统计图表和报表展示 第五讲 简单推断性分析 第六讲 方差分析模型 1. 单因素方差分析的数据格式、操作方法与结果解读 2. 方差分析中各种两两比较方法的选择、操作和结果解读 3. 一元多因素方差分析模型的原理、操作和结果解读 4. 多元方差分析模型的原理、操作方法和结果解读 5. 相应的图形工具在分析中的应用 第七讲 相关、回归分析模型 1. 线性回归模型的原理、分析步骤、操作和结果解读 2. 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 3. 各种常用模型诊断工具（分类图等）的用法 4. 加权最小二乘法、两阶段最小二乘法的原理、操作和结果解读 第八讲 聚类分析、判别分析 1. 谱系和快速聚类、距离和相似性测量、测量尺度和标准化 2. 如何选择聚类的方法 3. 如何用SPSS做聚类分析：操作步骤和方法、如何解释聚类结果 4. 判别分析的基本概念和方法、判别函数、典型判别系数 5. 如何用SPSS作判别分析、结果解释 第九讲 数据降维技术： 1. 基本原理：因子分析和主成份分析介绍 2. 如何用SPSS做因子和主成份分析：SPSS操作步骤和方法、因子得分应用聚类分析、概念图—二元图分析 第十讲 信度分析 第十一讲 时间序列分析 第十二讲 讨论和总结 |
| 培训目的及效果 | 参训人员能够在较短时间内掌握相关统计分析理论、能使用SPSS进行复杂的数据统计分析操作。 |
| 时间 | 4天 |
| 培训对象 | 对数据挖掘或Clementine感兴趣的使用者和数据分析人员。 |
| 培训概要 | Clementine已更名为PASW Modeler，课程将介绍数据挖掘原理、PASW Modeler数据挖掘软件的基本操作和环境；学习如何使用PASW Modeler读取，处理数据。 |
| 培训内容 | 1. 数据挖掘简介 CRISP-DM方法论 2. PASW Modeler 13.0简介 PASW Modeler13.0的C/S架构和界面介绍 PSAW Modeler可视化程序的使用基础 读取数据文件 PASW Modeler可以读取的数据格式 读取文本数据与查看数据、SPSS数据、数据库数据（SDAP） PASW Modeler中的字段类型、字段方向 保存PASW Modeler流 4. 数据理解---数据质量评估 数据理解 缺失值定义 数据审核节点介绍 分布图节点----初步理解字符型字段的分直方图/统计节点----初步理解数值型字段的分布 5. 简单数据整理 Clem语言简介 选择节点，过滤节点和导出节点介绍 自动生成操作节点 6. 寻找数据中的关系 矩阵节点、网络图节点、统计节点、散点图节点、直方图节点 7. PASW Modeler中的数据建模技术 神经网络、规则归纳模型、模型比较聚类分析、关联规则、序列检测 |
| 培训目的及效果 | 培训人员能够掌握数据挖掘理论和常用的建模技术、掌握机器学习的常见技术，比如神经网络、决策树等，并将其应用到具体业务操作中。 |
| 时间 | 4天 |
| 培训对象 | 对数据挖掘或Clementine感兴趣的使用者和数据分析人员和已经修过基础培训的学员。 |
| 培训概要 | Clementine已更名为PASW Modeler，本课程将介绍数据挖掘原理、PASW Modeler的高级数据处理技术，学习如何合并和处理文件，样本数据，处理缺失值和时序数据。详细介绍PASW Modeler的建模技术以及Meta Modeling技术，并学习如何将其应用到具体业务操作中。 |
| 培训内容 | 1. 高级数据准备技术 合并多个数据源数据 抽取样本，选择和缓存数据 处理日期数据、时序数据 文件操作技术 RFM汇总及RFM分析 分箱节点 自动整理数据 2. PASW Modeler分类技术 决策树技术、Logistics回归、神经网络 3. PASW Modeler细分技术 Kohonen网络/两步聚类/K-means 4. PASW Modeler关联分析技术 GRI/Carma/Apriori 序列节点 5. PASW Modeler自动建模技术 自动聚类节点、自动分类节点、自动数值节点 6. PASW Modeler其他技术 线性回归、特征选择、Cox回归 支持向量机（SVM） 主成分/因子分析 使用SPSS Syntax 7. PASW Modeler中的数据建模技术 评估图、分析节点 8. PASW Modeler demo演示 |
| 培训目的及效果 | 培训人员能够掌握数据挖掘理论和复杂的建模技术、并将其应用到具体业务操作中。 |
| 时间 | 4天 |
| 培训对象 | 对数据挖掘或Clementine感兴趣的使用者和市场分析、风险分析人员。 |
| 培训概要 | Clementine操作+相关数据挖掘原理+数据挖掘案例，3天的培训课程从数据挖掘理论知识到Modeling展开,再依据CRISP-DM方法论,衔接理论和实践,助力您成数据挖掘专家。 |
| 培训内容 | 第一讲 Clementine概述 1. 数据挖掘概述 2. Clementine的组成构件介绍 3. Clementine的体系结构 4. Clementine运行方式介绍 5. Clementine设置 6. Clementine高级应用介绍 第二讲 Clementine获取数据和结果发布 1. Clementine获取数据的方式 2. Clementine从数据库中读入数据与向数据库中写入数据概要与技巧 3. Clementine结果发布方式与技巧 第三讲 Clementine数据整理技巧 1. 数据整理方法归类 2. 数据整理在Clementine中的实现 第四讲 Clementine数据挖掘模型概述(1)--有监督数据挖掘模型概述 1. 神经网络模型概述 2. 决策树模型概述(C5.0,C&RT) 3. 传统回归模型概述(线性回归和logistic回归) 第五讲 Clementine数据挖掘模型概述(2)--无监督数据挖掘模型概述 1. 聚类模型概述 2. 关联规则模型概述 3. 主成分/因子分析模型概述 第六讲 讨论与答疑 |
| 培训目的及效果 | 培训人员能够掌握数据挖掘理论和较为复杂的建模技术、并将其应用到具体业务操作中。 |
| 时间 | 4天 |
| 培训对象 | 风险管理主管、分析员，征审授信信用专员、分析员，在银行业务和金融业的数据挖掘建模人员，银行业务有关的IT人员、会计人员和审计人员。 |
| 课程需要技能 | 熟悉操作Windows操作系统和了解银行业务操作的基本常识，并不要求对统计方法熟悉，但是如果参训者能懂得相关统计方法，将有助于更深入的了解模型。 |
| 培训内容 | 未来那些客户可能违约？ 客户的违约概率是多少？ 如何通过违约概率建立信用积分？ 如何知道信用积级模型对于违约行为的侦测是够敏锐的？ 如何察觉模型质量何时开始下降？ 我多久应该检查和替换模型？ 如何证明模型（仍然）是精确的？ 如果进行数据挖掘和信用风险建模及测试，以上金融授信常见的问题将迎刃而解，所述目标也会达到。SPSS China邀请了专精银行风险，有多年巴塞尔实务经验的专家来讲述实际案例。课程将通过在对公法人银行业务和对私零售银行业务中使用真实银行数据和数据挖掘工具，帮助您扎实的理解金融风险管理。特别的，您还将学到： 真实银行数据的模型如何建立； 每个方法所需的基本假设和数据类型； 每种方法何时使用，怎样运用在SPSS数据挖掘产品PASW Modeler中； 怎样解释结果； 怎样建立预测模型和应用到新数据。 参训者将会学到如何在PASW Modeler软件读取、探索和操作数据，具体如何检验各种方法，如聚类、逻辑回归、决策树、神经网络、判别分析等，将会加深理解每种方法何时使用，如何使用，如何解释结果。培训中将使用实务案例数据作练习，并展示如何依据巴塞尔IRB规范标准，独立的进行模型评估和测试。 在开始介绍所需方法的概况，假设、目的和应用后，将讲授: 数据挖掘和PASW Modeler简介 读取、理解和准备数据 PASW Modeler中金融授信常见的建模方法: 聚类分析、逻辑回归分析、决策树、神经网络、判别分析 提供两组实务数据与现场指导建模操作练习: 对公法人违约模型 对私零售违约模型 评估、比较和取舍；模型验收与使用测试 (use test)； 整套违约模型从建置分析到使用测试之完整实务案例说明 |
| 培训目的及效果 | 帮助参训人员扎实的理解金融风险管理和相关理论，并独立应用SPSS数据挖掘软件建立模型、解决实际工作中的问题。 |
| 培训对象 | 市场研究公司分析人员、企业的市场研究、营销部门和对市场研究技术感兴趣的人员 |
| Prerequisites | 熟悉SPSS，包括变量定义，打开和保存数据文件，计算基本的探索性统计值。需要理解集中趋势、偏差和假设检验（包括T-检验）。 |
| 培训内容 | 我正在服务正确的购买群体么？ 谁是最（不）优质的客户？ 哪款产品适合那类消费者？ 目前的营销活动可能会有什么效果？ 我应该向哪些客户推荐我的新产品？ 针对具体的客户群，我该如何减少我的市场成本？ 不会给我带来利润的市场，我能够避免么？ 目前在为客户提供产品和提升服务的过程，我和客户之间的关系是忠诚的么？ 我该怎样定制我的产品？ 在对您的客户基础上做出系统的细分后，以上常见的问题将迎刃而解，所述目标也会达到，SPSS China 正组织着这样主题的一个培训课程（2天），我们的课程将会传授给您，曲线图的理解、分析预测方法，特别的，您还将学到： 每个方法的基本的假设和数据种类； 方法之间的相似和不同之处； 什么时候使用各种方法，怎样运用在SPSS产品中； 怎样说明结果； 应该怎样建立预测模型和应用到新数据。 课程将着重强调市场细分中最常用的统计方法，如何建立、运行和解释市场细分分析结果的实践过程。 具体课程大纲 开始介绍方法的概况，假设、目的和应用: 市场细分方法 市场细分中的聚类分析：原理 市场细分中的聚类分析：实践 因子分析 基于用户响应的细分I：判别和Logistic回归分析 基于用户响应的细分I：判别和CHAID分析 其他注意事项 ·日期：请参照培训计划中的日期 ·时间: 2 天(9:30-17：00 – 包括1小时的午休时间) ·费用: RMB 3150 (含税,讲义费和两天的午餐) ·SPSS China可以提供实验环境和10台上课所需电脑 ·授课语言: 普通话 |
| 培训目的及效果 | 参训人员能了解市场研究中常用的分析方法，并独立应用SPSS软件解决实际工作中的问题。 |
| 培训对象 | 市场分析人员，参与企业决策制订人员，需要运用预测分析的相关人员。 |
| 课程所需技能 | 有Windows操作系统使用经验，参训人员需对统计分析有基本的感念，最好了解回归分析。 |
| 培训内容 | 培训目标 经过该培训课程，学员可以 学习时间序列分析预测的基本概念 学习时间序列分析模型识别和建模的技巧 学习如何对时间序列模型进行分析和诊断 学习运用时间序列模型进行预测 学习SPSS的Trend模块 具体课程大纲 1.什么是时间序列 时间序列实例 时间序列的组成成分 时间序列分析方法简介 平稳时间序列 2.时间序列模型简介 3.时间序列的平滑方法 4.指数平滑方法 5.时间序列的曲线拟合方法 6.时间序列的季节分解 7.时间序列的ARIMA模型 8.非平稳的时间序列分析 9.时间序列模型的识别方法 10.时间序列模型的分析诊断 11.预测 |
| 培训对象 | SPSS使用者，企业分析与决策人员，希望提高其对方差分析和回归分析技术的理解。希望了解在什么情况下、怎样通过SPSS构建回归和方差模型，希望解读分析结果的客户。 |
| 培训对象所需条件 | 对SPSS比较熟悉，包括：变量类型和定义，输入和编辑数据，生成基本的探测性统计结果（包括频率表和交叉表）.理解集中趋势、离散趋势和统计推断（假设检验） 我能预测市场对已知影响的反应吗，例如：价格调整和营销活动？ 产品A的广告投入的收益是怎样的？ 每周、季节变化、气温或外部事件如何影响消费者对产品的需求？ 基于地区人口和心理特征数据，我们当地新的零售商店的收益将是怎样的？ 包装颜色的变化将如何影响我的旗舰产品的销售？ 我希望通过收入水平和竞争强度来预测汽车的销售额？ 如果减少送货上门的销售人员或店铺数量，将如何影响月销售额？ 应用高级统计分析技术能够很容易的解决以上这些常见问题。SPSS中国正在策划为期两天的培训课程，将使您正确的理解回归分析和方差分析。特别的，您将学到： 每种方法的基本假设和所需的数据类型； 这些技术之间的相似性和区别； 在什么情况下使用每种技术，怎样通过SPSS产品来实现他们； 如何解读分析的结果； 怎样建立预测模型并把他们应用于新的数据。 在为期两天的课程中，我们将详细介绍方差分析（检验几个不同总体的均值是否相等）和回归分析（探索间隔尺度变量之间的关系）技术。学员将了解到在什么情况下应用每种技术，怎样应用它和怎样解读分析结果。 |
| 详细的课程内容 | 对技术的可行性、假设、目的和应用进行初步概括的基础上，提供以下详细内容： 回归分析介绍 数据检验和假设检验 简单回归：拟合和假设 多元回归：拟合和假设 逐步回归法 影响点和多重共线性 虚拟变量 方差分析 单因素方差分析 事后检验 多方式单因素方差分析 重复测量的方差分析 |
| 培训对象 | 对结构方程模型感兴趣和打算学习Amos软件的研究人员和管理者。 |
| 培训概要 | 本课程将带领您熟悉基本的Amos软件操作,在学习过程中，您可以一边学习一边操作AMOS程序中的图表模型、交互式模型。课程内容包括结构模型、统计模型的高级应用，同时还会演示在社会科学等不同领域中应用的实例。 |
| 培训内容 | 1.了解结构方程发展历史与趋势 结构方程模型起源与发展 结构方程与计量经济学中的联立方程模式 常用结构方程软件比较 2.描述性与验证性因子分析 描述性因子分析 验证性因子分析 3.测量原理与模式 结构方程的作用 应用领域 熟悉Amos操作界面 4.Amos应用基础 5.对回归模型的补充 6.SEM结构方程中竞争模型选择与比较 SEM中的模型比较 Amos实例操作与解释 7.多组比较分析 多组分析工具 多组分析实例操作与解释 8.调节变量与中介变量 9.满意度模型建模 10.AMOS应用相关案例介绍 |
| 培训目的及效果 | 培训学员能够掌握结构方程模型、满意度模型原理、能用Amos软件进行较为复杂的数据处理。 |
| 培训对象 | SPSS软件使用者，并且有兴趣理解和掌握SPSS编程和Syntax 概念的人员。 |
| 必要技能 | 有Windows操作系统使用经验，参训人员需对SPSS软件有基本的了解，如变量定义、输入和编辑数据、打开和保存数据文件、基本SPSS统计过程，处理和保存输出结果等技术。 |
| 培训内容 | 1. SPSS编程简介 Syntax和GUI SPSS编程的四个水平 SPSS编程扩展 一个Syntax的例子 2. SPSS Syntax编程环境简介 程序输入和调试 养成良好的SPSS编程习惯 如何管理SPSS的语法命令 3. SPSS Syntax管理数据之一 打开和保存数据文件 保存数据到Excel文件中 4. SPSS Syntax管理数据之二 变量管理 检查变量信息 变量标签、变量值标签 缺失值 5. 选取符合条件的数据 过滤器变量 删除记录 6. 变量变换 计算新变量 可视化分段 变量重新编码 7. 导出SPSS输出 SPSS 输出管理系统—OMS 导出SPSS结果到MS Word 8. SPSS流程控制 Loop—End Loop Do Repeat—End Repeat Nested Loop 9. 优化SPSS Syntax 流程 批处理作业执行模式 如何调度和安排SPSS分析作业 10. SPSS Syntax编程综合练习示例 时间序列分析 时间序列分析模型的诊断 一个综合示例 11. 讨论与总结 |
| 培训目的及效果 | 培训人员将学习到如何更高效的应用SPSS统计分析软件，如何用编程方式完成以前通过图形用户界面完成的任何任务和图形用户界面不能完成的高级功能. 学习到SPSS Syntax程序的语法规则和程序结构和在如何在其他程序中调用SPSS的输出结果，以及如何在SPSS中调用R程序 |
最新培训| 客服经理－段小姐 | |
| 电 话：13716899065 | |
| 邮 箱：381399875@qq.com | |
| 在线客服: |