**部分 软件入门与数据管理

**章 SPSS入门

1.1 软件概述

1.2 SPSS操作入门

1.3 SPSS的窗口、菜单项和结果输出

1.4 SPSS的系统选项与扩展资源

1.5 SPSS的帮助系统

1.6 数据分析方法论概述

第二章 数据录入与数据获取

2.1 CCSS案例项目背景介绍

2.2 数据格式概述

2.3 在SPSS中直接建立数据集

2.4 读入外部数据

2.5 数据的保存

2.6 数据编辑窗口常用操作技巧集锦

第三章 变量级别的数据管理

3.1 变量赋值

3.2 已有变量值的分组合并

3.3 连续变量的离散化

3.4 自动重编码、编秩与数值计数

3.5 转换菜单中的其他功能

第四章 文件级别的数据管理

4.1 几个常用过程

4.2 多个数据文件的合并

4.2 数据文件的重组与转置

4.3 数据菜单中的其他功能

第五章 大型研究项目的数据管理

5.1 数据字典

5.2 数据核查

5.3 数据准备

第六章 SPSS编程

6.1 CCSS项目的数据处理需求

6.2 SPSS编程入门

6.3 语法编辑窗口操作入门

6.4 宏程序与INSERT命令

6.5 OMS系统与程序自动化

第二部分 统计描述与统计图表

第七章 连续变量的统计描述与参数估计

7.1 连续变量的统计描述指标体系

7.2 连续变量的参数估计指标体系

7.3 案例：信心指数的统计描述

7.4 Bootstrap方法

第八章 分类变量的统计描述与参数估计

8.1 指标体系概述

8.2 案例：对学历等背景变量进行描述

8.3 案例：对多选题C0还贷状况进行描述

第九章 数据的报表呈现

9.1 统计表入门

9.2 简单案例：题目A3的标准统计报表制作

9.3 复杂案例：题目A3a的标准统计报表制作

9.4 表格的编辑

9.5 表格模板技术

第十章 数据的图形展示

10.1 统计图概述

10.2 直方图和茎叶图

10.3 箱图

10.4 饼图

10.5 条图与误差图

10.6 线图、面积图、点图与垂线图

10.7 散点图

10.8 P-P图和Q-Q图

10.9 控制图与Pareto图

10.10 其他统计图

第三部分 常用假设检验方法

第十一章 分布类型的检验

11.1 假设检验的基本思想

11.2 正态分布检验

11.3 二项分布检验

11.4 游程检验

11.6 本章小结

第十二章 连续变量的统计推断（一）――t检验

12.1 t检验概述

12.2 样本均数与总体均数的比较

12.3 成组设计两样本均数的比较

12.4 正态性、方差齐性的考察与应对策略

12.5 配对设计样本均数的比较

12.6 本章小结

第十三章 连续变量的统计推断（二） ――单因素方差分析

13.1 方差分析概述

13.2 案例：北京消费者不同时点信心指数的比较

13.3 均数间的多重比较

13.4 各组均数的精细比较

13.5 组间均数的趋势检验

13.6 本章小结

第十四章 有序分类变量的统计推断 ――非参数检验

14.1 非参数检验概述

14.2 两个配对样本的非参数检验

14.3 两个独立样本的非参数检验

14.4 多个独立样本的非参数检验

14.5 多个相关样本的非参数检验

14.6 秩变换分析方法

14.7 本章小结

第十六章 无序分类变量的统计推断――卡方检验

16.1 卡方检验概述

16.2 单样本案例：考察抽样数据的性别分布

16.3 两样本案例：不同收入级别家庭的轿车拥有率比较

16.4 卡方检验的事后两两比较

16.5 确切概率法和蒙特卡洛法

16.6 两分类变量间关联程度的度量

16.7 一致性检验与配对卡方检验

16.8 分层卡方检验

16.9 本章小结

第十七章 相关分析

17.1 相关分析简介

17.2 简单相关分析

17.3 偏相关分析

17.4本章小结

第十八章 线性回归模型入门

18.1 线性回归模型简介

18.2 案例：建立用年龄预测总信心指数值的回归方程

18.3 多重线性回归模型入门

18.4 本章小结

第四部分 统计实战案例集锦

第十九章  统计实战案例集锦

19.1 CCSS项目的自动化生产

19.2 X药物治疗原发性高血压的临床试验研究

19.3 咖啡屋需求调查

19.4 牙膏新品购买倾向研究

19.5 证券业市场绩效与市场结构关系的实证分析

高级篇（2天）

**部分 一般线性、混合线性与广义线性模型

第1章 方差分析模型

1.1 模型简介

1.2 案例：胶合板磨损深度的比较

1.3 两因素方差分析模型

1.4 因素各水平间的精细比较

1.5 方差分析模型进阶

第2章 常用实验设计分析方法

2.1 仅研究主效应的实验设计方案

2.2 考虑交互作用的实验设计方案

2.3 误差项变动的特殊实验设计方案

2.4 协方差分析

第3章 多元方差分析与重复测量方差分析

3.1 多元方差分析

3.2 重复测量资料的方差分析

第4章 线性混合模型

4.1 模型简介

4.2 层次聚集性数据案例

4.3 重复测量数据案例

4.4 线性混合模型进阶

第5章 广义线性模型，广义估计方程 与广义线性混合模型

5.1 广义线性模型

5.2 广义估计方程

5.3 广义线性混合模型

第二部分 回归模型

第6章 多重线性回归模型

6.1 模型简介

6.2 案例：销量影响因素分析

6.3 回归预测与区间估计

6.4 残差分析

6.5 逐步回归

6.6 模型的进一步诊断与修正

6.7 自动线性建模

第7章 线性回归的衍生模型

7.1 非直线趋势的处理：曲线直线化

7.2 方差不齐的处理：加权**小二乘法

7.3 共线性的处理：岭回归

7.4 分类变量的数值化：**优尺度回归

7.5 强影响点的弱化：稳健回归与分位数回归

7.6 其余回归方法简介

第8章 路径分析入门

8.1 两阶段**小二乘法

8.2 路径分析入门

8.3 偏**小二乘法入门

第9章 非线性回归模型

9.1 模型简介

9.2 案例：通风时间和毒物浓度的曲线方程

9.3 自定义损失函数：**小一乘法

9.4 分段回归模型的拟合

9.5 非线性回归模型进阶

第10章 二分类logistic回归模型

10.1 模型简介

10.2 案例：低出生体重儿影响因素研究

10.3 分类自变量的定义与比较方法

10.4 自变量的筛选方法与逐步回归

10.5 弗斯Logistic回归

10.6 Logistic模型进阶

第11章 多分类、配对logistic回归与probit回归模型

11.1 有序多分类logistic回归模型

11.2 无序多分类logistic回归模型

11.3 1:1配对logistic回归

11.4 probit回归模型

第12章 对数线性模型、Poisson回归模型 与潜类别分析

12.1 对数线性模型简介

12.2 一般对数线性模型

12.3 因果关系明确时的对数线性模型

12.4 对数线性模型的自动筛选

12.5 对数线性模型与其它模型的关系

12.6 Poisson回归模型

12.7 潜类别分析简介

第三部分 多元统计分析方法

第13章 主成份分析、因子分析与多维偏好分析

13.1 主成份分析

13.2 因子分析

13.3 因子分析进阶

13.4 分类数据的主成份分析（多维偏好分析）

第14章 对应分析

14.1 模型简介

14.2 案例：头发颜色与眼睛颜色的关联

14.3 基于均数的对应分析

14.4 对应分析进阶

14.5 基于**优尺度变换的多重对应分析

第15章 典型相关分析

15.1 模型简介

15.2 案例：体力指标和运动能力指标的相关分析

15.3 典型相关分析进阶

15.4 基于**优尺度变换的非线性典型相关分析

第16章 多维尺度分析

16.1 不考虑个体差异的MDS模型

16.2 考虑个体差异的MDS模型

16.3 基于**优尺度变换的MDS模型

16.4 多维展开模型

第17章 聚类分析

17.1 模型简介

17.2 K-均值聚类法

17.3 聚类结果的验证与自动优化

17.4 层次聚类法

17.4 两步聚类法

17.5 聚类分析进阶

第18章 经典判别分析

18.1 模型简介

18.2 案例：鸢尾花种类判别

18.3 贝叶斯判别分析

18.4 判别分析进阶

第四部分 其他统计分析方法

第19章 树模型、随机森林与**近邻元素法

19.1 树模型简介

19.2 案例：移动客户流失预测

19.3 对案例的进一步分析

19.4 常见的树模型算法

19.5 随机森林

19.6 **近邻元素法

第20章 神经网络与支持向量机

20.1 模型简介

20.2 案例：对低出生体重儿案例的重新分析

20.3 对案例的进一步分析

20.4 径向基神经网络

20.5 支持向量机简介

第21章 信度分析

21.1 信度理论入门

21.2 案例：问卷信度分析

21.3 其余常用的信度系数

21.4 概化理论简介

21.5 项目反应理论简介

第22章 联合分析

22.1 模型简介

22.2 联合分析的正交试验设计

22.3 联合分析的数据建模

22.4 联合分析进阶

第23章 时间序列模型

23.1 模型简介

23.2 时间序列的建立和平稳化

23.3 时间序列的图形化观察

23.4 时间序列的建模与预测

23.5 季节分解

23.6 时间因果模型

第24章 生存分析

24.1 生存分析简介

24.2 生存函数的估计和检验

24.3 Cox回归模型

24.4 含时间依存变量的Cox模型

24.5 Cox模型进阶

24.6 加速失效时间模型

第25章 缺失值分析

25.1 缺失值理论简介

25.2 对缺失情况的基本分析

25.3 缺失值填充技术

25.4 多重填充

第五部分 数据分析与挖掘实战案例

案例1 酸奶饮料新产品口味测试

案例2 偏态分布的激素水平影响因素分析

案例3 某车企汽车年销量预测案例

案例4 脑外伤急救后迟发性颅脑损伤影响因素分析案例

案例5 中国消费者信心指数影响因素分析

案例6 探讨消费者购买保健品的动机

案例7 1988年汉城奥运会男子十项全能成绩分析

案例8 住院费用影响因素挖掘

案例9 淘宝大卖家之营销数据分析

案例10 超市商品购买关联分析

案例11 电信业客户流失分析

案例12信用风险评分方法

案例13 医疗保险业的欺诈发现

案例14 电子商务中的数据挖掘应用