SPSS統(tǒng)計分析與數(shù)據挖掘

基礎篇（1天）

第一部分 軟件入門與數(shù)據管理

第一章 SPSS入門

1.1 軟件概述

1.2 SPSS操作入門

1.3 SPSS的窗口、菜單項和結果輸出

1.4 SPSS的系統(tǒng)選項與擴展資源

1.5 SPSS的幫助系統(tǒng)

1.6 數(shù)據分析方法論概述

第二章 數(shù)據錄入與數(shù)據獲取

2.1 CCSS案例項目背景介紹

2.2 數(shù)據格式概述

2.3 在SPSS中直接建立數(shù)據集

2.4 讀入外部數(shù)據

2.5 數(shù)據的保存

2.6 數(shù)據編輯窗口常用操作技巧集錦

第三章 變量級別的數(shù)據管理

3.1 變量賦值

3.2 已有變量值的分組合并

3.3 連續(xù)變量的離散化

3.4 自動重編碼、編秩與數(shù)值計數(shù)

3.5 轉換菜單中的其他功能

第四章 文件級別的數(shù)據管理

4.1 幾個常用過程

4.2 多個數(shù)據文件的合并

4.2 數(shù)據文件的重組與轉置

4.3 數(shù)據菜單中的其他功能

第五章 大型研究項目的數(shù)據管理

5.1 數(shù)據字典

5.2 數(shù)據核查

5.3 數(shù)據準備

第六章 SPSS編程

6.1 CCSS項目的數(shù)據處理需求

6.2 SPSS編程入門

6.3 語法編輯窗口操作入門

6.4 宏程序與INSERT命令

6.5 OMS系統(tǒng)與程序自動化

第二部分 統(tǒng)計描述與統(tǒng)計圖表

第七章 連續(xù)變量的統(tǒng)計描述與參數(shù)估計

7.1 連續(xù)變量的統(tǒng)計描述指標體系

7.2 連續(xù)變量的參數(shù)估計指標體系

7.3 案例：信心指數(shù)的統(tǒng)計描述

7.4 Bootstrap方法

第八章 分類變量的統(tǒng)計描述與參數(shù)估計

8.1 指標體系概述

8.2 案例：對學歷等背景變量進行描述

8.3 案例：對多選題C0還貸狀況進行描述

第九章 數(shù)據的報表呈現(xiàn)

9.1 統(tǒng)計表入門

9.2 簡單案例：題目A3的標準統(tǒng)計報表制作

9.3 復雜案例：題目A3a的標準統(tǒng)計報表制作

9.4 表格的編輯

9.5 表格模板技術

第十章 數(shù)據的圖形展示

10.1 統(tǒng)計圖概述

10.2 直方圖和莖葉圖

10.3 箱圖

10.4 餅圖

10.5 條圖與誤差圖

10.6 線圖、面積圖、點圖與垂線圖

10.7 散點圖

10.8 P-P圖和Q-Q圖

10.9 控制圖與Pareto圖

10.10 其他統(tǒng)計圖

第三部分 常用假設檢驗方法

第十一章 分布類型的檢驗

11.1 假設檢驗的基本思想

11.2 正態(tài)分布檢驗

11.3 二項分布檢驗

11.4 游程檢驗

11.6 本章小結

第十二章 連續(xù)變量的統(tǒng)計推斷（一）――t檢驗

12.1 t檢驗概述

12.2 樣本均數(shù)與總體均數(shù)的比較

12.3 成組設計兩樣本均數(shù)的比較

12.4 正態(tài)性、方差齊性的考察與應對策略

12.5 配對設計樣本均數(shù)的比較

12.6 本章小結

第十三章 連續(xù)變量的統(tǒng)計推斷（二） ――單因素方差分析

13.1 方差分析概述

13.2 案例：北京消費者不同時點信心指數(shù)的比較

13.3 均數(shù)間的多重比較

13.4 各組均數(shù)的精細比較

13.5 組間均數(shù)的趨勢檢驗

13.6 本章小結

第十四章 有序分類變量的統(tǒng)計推斷 ――非參數(shù)檢驗

14.1 非參數(shù)檢驗概述

14.2 兩個配對樣本的非參數(shù)檢驗

14.3 兩個獨立樣本的非參數(shù)檢驗

14.4 多個獨立樣本的非參數(shù)檢驗

14.5 多個相關樣本的非參數(shù)檢驗

14.6 秩變換分析方法

14.7 本章小結

第十六章 無序分類變量的統(tǒng)計推斷――卡方檢驗

16.1 卡方檢驗概述

16.2 單樣本案例：考察抽樣數(shù)據的性別分布

16.3 兩樣本案例：不同收入級別家庭的轎車擁有率比較

16.4 卡方檢驗的事后兩兩比較

16.5 確切概率法和蒙特卡洛法

16.6 兩分類變量間關聯(lián)程度的度量

16.7 一致性檢驗與配對卡方檢驗

16.8 分層卡方檢驗

16.9 本章小結

第十七章 相關分析

17.1 相關分析簡介

17.2 簡單相關分析

17.3 偏相關分析

17.4本章小結

第十八章 線性回歸模型入門

18.1 線性回歸模型簡介

18.2 案例：建立用年齡預測總信心指數(shù)值的回歸方程

18.3 多重線性回歸模型入門

18.4 本章小結

第四部分 統(tǒng)計實戰(zhàn)案例集錦

第十九章  統(tǒng)計實戰(zhàn)案例集錦

19.1 CCSS項目的自動化生產

19.2 X藥物治療原發(fā)性高血壓的臨床試驗研究

19.3 咖啡屋需求調查

19.4 牙膏新品購買傾向研究

19.5 證券業(yè)市場績效與市場結構關系的實證分析

高級篇（2天）

第一部分 一般線性、混合線性與廣義線性模型

第1章 方差分析模型

1.1 模型簡介

1.2 案例：膠合板磨損深度的比較

1.3 兩因素方差分析模型

1.4 因素各水平間的精細比較

1.5 方差分析模型進階

第2章 常用實驗設計分析方法

2.1 僅研究主效應的實驗設計方案

2.2 考慮交互作用的實驗設計方案

2.3 誤差項變動的特殊實驗設計方案

2.4 協(xié)方差分析

第3章 多元方差分析與重復測量方差分析

3.1 多元方差分析

3.2 重復測量資料的方差分析

第4章 線性混合模型

4.1 模型簡介

4.2 層次聚集性數(shù)據案例

4.3 重復測量數(shù)據案例

4.4 線性混合模型進階

第5章 廣義線性模型，廣義估計方程 與廣義線性混合模型

5.1 廣義線性模型

5.2 廣義估計方程

5.3 廣義線性混合模型

第二部分 回歸模型

第6章 多重線性回歸模型

6.1 模型簡介

6.2 案例：銷量影響因素分析

6.3 回歸預測與區(qū)間估計

6.4 殘差分析

6.5 逐步回歸

6.6 模型的進一步診斷與修正

6.7 自動線性建模

第7章 線性回歸的衍生模型

7.1 非直線趨勢的處理：曲線直線化

7.2 方差不齊的處理：加權最小二乘法

7.3 共線性的處理：嶺回歸

7.4 分類變量的數(shù)值化：最優(yōu)尺度回歸

7.5 強影響點的弱化：穩(wěn)健回歸與分位數(shù)回歸

7.6 其余回歸方法簡介

第8章 路徑分析入門

8.1 兩階段最小二乘法

8.2 路徑分析入門

8.3 偏最小二乘法入門

第9章 非線性回歸模型

9.1 模型簡介

9.2 案例：通風時間和毒物濃度的曲線方程

9.3 自定義損失函數(shù)：最小一乘法

9.4 分段回歸模型的擬合

9.5 非線性回歸模型進階

第10章 二分類logistic回歸模型

10.1 模型簡介

10.2 案例：低出生體重兒影響因素研究

10.3 分類自變量的定義與比較方法

10.4 自變量的篩選方法與逐步回歸

10.5 弗斯Logistic回歸

10.6 Logistic模型進階

第11章 多分類、配對logistic回歸與probit回歸模型

11.1 有序多分類logistic回歸模型

11.2 無序多分類logistic回歸模型

11.3 1:1配對logistic回歸

11.4 probit回歸模型

第12章 對數(shù)線性模型、Poisson回歸模型 與潛類別分析

12.1 對數(shù)線性模型簡介

12.2 一般對數(shù)線性模型

12.3 因果關系明確時的對數(shù)線性模型

12.4 對數(shù)線性模型的自動篩選

12.5 對數(shù)線性模型與其它模型的關系

12.6 Poisson回歸模型

12.7 潛類別分析簡介

第三部分 多元統(tǒng)計分析方法

第13章 主成份分析、因子分析與多維偏好分析

13.1 主成份分析

13.2 因子分析

13.3 因子分析進階

13.4 分類數(shù)據的主成份分析（多維偏好分析）

第14章 對應分析

14.1 模型簡介

14.2 案例：頭發(fā)顏色與眼睛顏色的關聯(lián)

14.3 基于均數(shù)的對應分析

14.4 對應分析進階

14.5 基于最優(yōu)尺度變換的多重對應分析

第15章 典型相關分析

15.1 模型簡介

15.2 案例：體力指標和運動能力指標的相關分析

15.3 典型相關分析進階

15.4 基于最優(yōu)尺度變換的非線性典型相關分析

第16章 多維尺度分析

16.1 不考慮個體差異的MDS模型

16.2 考慮個體差異的MDS模型

16.3 基于最優(yōu)尺度變換的MDS模型

16.4 多維展開模型

第17章 聚類分析

17.1 模型簡介

17.2 K-均值聚類法

17.3 聚類結果的驗證與自動優(yōu)化

17.4 層次聚類法

17.4 兩步聚類法

17.5 聚類分析進階

第18章 經典判別分析

18.1 模型簡介

18.2 案例：鳶尾花種類判別

18.3 貝葉斯判別分析

18.4 判別分析進階

第四部分 其他統(tǒng)計分析方法

第19章 樹模型、隨機森林與最近鄰元素法

19.1 樹模型簡介

19.2 案例：移動客戶流失預測

19.3 對案例的進一步分析

19.4 常見的樹模型算法

19.5 隨機森林

19.6 最近鄰元素法

第20章 神經網絡與支持向量機

20.1 模型簡介

20.2 案例：對低出生體重兒案例的重新分析

20.3 對案例的進一步分析

20.4 徑向基神經網絡

20.5 支持向量機簡介

第21章 信度分析

21.1 信度理論入門

21.2 案例：問卷信度分析

21.3 其余常用的信度系數(shù)

21.4 概化理論簡介

21.5 項目反應理論簡介

第22章 聯(lián)合分析

22.1 模型簡介

22.2 聯(lián)合分析的正交試驗設計

22.3 聯(lián)合分析的數(shù)據建模

22.4 聯(lián)合分析進階

第23章 時間序列模型

23.1 模型簡介

23.2 時間序列的建立和平穩(wěn)化

23.3 時間序列的圖形化觀察

23.4 時間序列的建模與預測

23.5 季節(jié)分解

23.6 時間因果模型

第24章 生存分析

24.1 生存分析簡介

24.2 生存函數(shù)的估計和檢驗

24.3 Cox回歸模型

24.4 含時間依存變量的Cox模型

24.5 Cox模型進階

24.6 加速失效時間模型

第25章 缺失值分析

25.1 缺失值理論簡介

25.2 對缺失情況的基本分析

25.3 缺失值填充技術

25.4 多重填充

第五部分 數(shù)據分析與挖掘實戰(zhàn)案例

案例1 酸奶飲料新產品口味測試

案例2 偏態(tài)分布的激素水平影響因素分析

案例3 某車企汽車年銷量預測案例

案例4 腦外傷急救后遲發(fā)性顱腦損傷影響因素分析案例

案例5 中國消費者信心指數(shù)影響因素分析

案例6 探討消費者購買保健品的動機

案例7 1988年漢城奧運會男子十項全能成績分析

案例8 住院費用影響因素挖掘

案例9 淘寶大賣家之營銷數(shù)據分析

案例10 超市商品購買關聯(lián)分析

案例11 電信業(yè)客戶流失分析

案例12信用風險評分方法

案例13 醫(yī)療保險業(yè)的欺詐發(fā)現(xiàn)

案例14 電子商務中的數(shù)據挖掘應用