培训对象

想学习SPSS的统计功能，扩展适当统计过程的背景知识的用户

 必要技能

 初级、中级SPSS培训， 基本的统计学知识，包括基本统计分析、方差分析、因子分析、主成份、回归分析等

 培训内容

 1. 抽样方案设计：如何确定样本及样本大小影响

 2. 数据描述

 数据的图形描述方法

 数据的描述的数值方法

 异常值探查

 描述分类数据：

 分组比较：分类数据

 探索性数据分析：区间尺度数据

 3. 假设检验

 假设检验的基本思想、概念、基本步骤

 组间的均值差异：简单情况

 方差的齐性检验

 单样本均值检验

 独立样本均值比较

 配对样本均值比较 

 4. 方差分析

 单因素方差分析

 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

 5. 相关性分析

 相关分析基本方法简介

 变量之间的关系

 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 

 6. 回归分析初阶

 一元线性回归分析简介：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

 回归诊断 

 7. 双变量画图和统计

 8. 非参数检验

 9. 方差分析：

 组间的均值差异II: 单因素 ANOVA 

 组间的均值差异 III: 两因素 ANOVA 

 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 

 11. 回归分析简介

 线性回归分析简介：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

 回归诊断 

 12. 数据降维技术

 主成份分析简介

 因子分析简介

 聚类分析简介

 13. 检验数据分布的正态性

 14. 多元均值的推断

 培训目
 的及效果

 培训人员能够使用SPSS进行基本数据分析和操作，能解释统计结果。

 培训对象

有使用SPSS for Windows的经验， 坚实的统计学基础

 必要技能

经过SPSS for Windows初中级及统计分析培训

 培训内容

 1. 多元线性回归

 多元线性回归简介：回归方程及系数的检验、自变量筛选方法

  多元线性回归：SPSS实现

 多重共线性问题

 逐步回归分析

 回归诊断 

 2. Logistic回归

 Logistic 回归简介：应用背景、、回归模型、模型的评价指标等

 Logistic回归：SPSS实现

 回归系数的检验

  回归系数的解释

 累积Logistic回归简介

 累积Logistic回归：SPSS实现

 多项logistic回归简介

 多项Logistic回归：SPSS实现 

 3. 聚类分析

 聚类分析简介：基本目标、应用领域、基本思想、主要方法

 系统聚类方法简介

 系统聚类分析实例

 非系统聚类方法，Two-Step聚类、K均值聚类方法简介

 非系统聚类方法分析实例 

 4. 判别分析

 判别分析简介：基本目标、与聚类分析区别、常用方法

 判别分析应用实例 

 5. 数据降维技术

 因子分析：问题背景、目的、分析的原则、基本思想、因子分析模型

 主成份分析简介：指导思想、目的、与因子分析区别

 因子/主成份个数的确定

 因子旋转

 因子得分

 注意事项及应用建议

 因子/主成分分析应用实例 

 6. 生存分析

 生存分析简介：问题背景、基本概念与有关的统计问题、常用分析方法

 Kaplan- Meier及Life table方法原理

 Kaplan-Meier分析实例

 Cox回归原理

 Cox回归分析实例

 带着随时间变化协变量的Cox回归 

 7. 高级方差分析

 MANOVA（ 多变量方差分析）：问题背景、原理、分析实例

 重复测量方差分析：问题背景、原理、分析实例

 8. 时间序列分析简介

 培训目
 的及效果

 培训人员能够使用SPSS回归技术分析、聚类分析、方差分析和时间序列分析等来解决实际问题。

 培训对象

更有效地使用SPSS预测功能的用户。

 必要技能

 初中级SPSS for Windows培训。 对回归分析的基本理解。

 培训内容

 时间序列介绍

 预测基础

 平滑时间序列数据

 时间序列数据的离群值和误差

 使用Expert Modeler自动预测

 评估模型性能

 时间序列数据的拟合曲线

 时间序列数据的回归分析

 指数光滑模型

 ARIMA 模型

 应用一个模型到新数据

 季节性分解

 季节性建模

 干涉分析

 ARIMA中的转移函数

 培训目
 的及效果

 培训人员能够使用SPSS Trends（时间序列分析）等来解决实际的预测问题。