admin 发表于 2022-5-29 08:13:58

SPSS论文数据分析实战视频课程共10G 2019年12月,IT资源网

下载地址:
加入VIP超值
**** Hidden Message *****
├─{1}--课前准备
│      --课程介绍.mp4
│      --资料下载.mp4
│      
├─{2}--软件的安装与基本使用
│      --SPSS简介与SPSS不同版本的简单对比.mp4
│      --SPSS26.0的安装(Windows版).mp4
│      --SPSS26.0的安装(Windows32版).mp4
│      --SPSS26.0的安装(苹果电脑版).mp4
│      --热身案例(Windows版).mp4
│      --热身案例(苹果电脑版).mp4
│      
├─{3}--使用SPSS的一些小技巧
│      --让SPSS直接输出三线表(Windows版).mp4
│      --让SPSS直接输出三线表(苹果电脑版).mp4
│      --改变SPSS菜单和输出结果的显示语言.mp4
│      --让SPSS输出结果显示小数点前面的零.mp4
│      
├─{4}--文献阅读与论文写作
│      --可中英文互译的文献阅读器.mp4
│      
├─{5}--统计学基础知识
│      --什么是统计.mp4
│      --总体与样本.mp4
│      --简单随机抽样概念与SPSS操作步骤.mp4
│      --系统抽样的概念与SPSS实现.mp4
│      --整群抽样的概念与SPSS实现.mp4
│      --分层抽样的概念与SPSS实现.mp4
│      --任意抽样与抽样方法总结.mp4
│      --数据类型与测量尺度.mp4
│      
├─{6}--数据导入与导出
│      --常见的数据源.mp4
│      --使用SPSS的自带案例数据集.mp4
│      --在SPSS中进行规范的数据录入.mp4
│      --数据的导入导出以及乱码问题解决(Win版).mp4
│      --数据的导入导出以及乱码问题解决(Mac版).mp4
│      --SPSS能处理多大规模的数据集?.mp4
│      --案例实战(3个有针对性的练习题).mp4
│      
├─{7}--描述统计与三线表
│      --论文里的描述性统计分析.mp4
│      --数值变量的描述性统计量.mp4
│      --用SPSS输出数值型变量的描述性统计量.mp4
│      --制作三线表的三种常见方法.mp4
│      --频数分析与交叉分析.mp4
│      --SPSS强大的定制表功能.mp4
│      --比率分析.mp4
│      
├─{8}--统计图表的绘制
│      --SPSS绘制出的图表展示.mp4
│      --SPSS中用于统计绘图的3种菜单.mp4
│      --常见的4种不同的条形图.mp4
│      --折线图和面积图.mp4
│      --散点图和气泡图.mp4
│      --直方图和箱线图.mp4
│      --饼状图和热力图.mp4
│      --组合图和人口金字塔图.mp4
│      
├─{9}--数据预处理
│      --数据预处理知识点介绍.mp4
│      --【重新编码】的3个重要作用.mp4
│      --【加权操作】赋予数据权重.mp4
│      --【计算变量】用于产生新变量.mp4
│      --【缺失值处理】处理数据中的缺失值.mp4
│      --【异常值处理】处理数据中的异常值.mp4
│      --数据文件的合并与拆分.mp4
│      --创建虚拟变量.mp4
│      --数据结构重构.mp4

├─{10}--多选题的定义和分析
│      --定项多选题的定义和分析.mp4
│      --不定项多选题的分析.mp4
│      --排序多选题的分析.mp4
│      --多选题的交叉分析.mp4
│      
├─{11}--常见统计分布与中心极限定理
│      --随机变量与统计分布的含义.mp4
│      --伯努利分布和二项分布.mp4
│      --泊松分布及其应用.mp4
│      --正态分布与t分布.mp4
│      --其它常见统计理论分布.mp4
│      --标准分数及其应用.mp4
│      --中心极限定理.mp4
│      
├─{12}--参数估计—从样本到总体
│      --样本均值的抽样分布.mp4
│      --用样本数据估计总体的均值(附SPSS操作).mp4
│      --样本比例的抽样分布.mp4
│      --用样本数据估计总体的比例(附SPSS操作).mp4
│      
├─{13}--假设检验入门与t检验
│      --两独立样本t检验.mp4
│      --两独立样本t检验【论文实战】.mp4
│      --为什么要学习假设检验.mp4
│      --假设检验的基本原理【重点知识】.mp4
│      --数据的正态性分析.mp4
│      --数据的正态性分析【论文实战】.mp4
│      --单样本比例检验.mp4
│      --单样本t检验.mp4
│      --单样本t检验【论文实战】.mp4
│      --两配对样本t检验.mp4
│      --两配对样本t检验【论文实战】.mp4
│      
├─{14}--方差分析F检验(ANOVA)
│      --方差分析的原理.mp4
│      --单因素方差分析(One-wayANOVA).mp4
│      --单因素方差分析【论文实战】.mp4
│      --两因素方差分析(Two-wayANOVA,无交互).mp4
│      --两因素方差分析(Two-wayANOVA,有交互).mp4
│      --两因素方差分析【论文实战】.mp4
│      --多因素方差分析(Multi-wayANOVA).mp4
│      --多因素方差分析【论文实战】.mp4
│      --协方差分析(Analysisofcovariance).mp4
│      --协方差分析【论文实战】.mp4
│      
├─{15}--卡方检验与Kappa一致性分析
│      --卡方拟合优度检验(Chi-squaregoodnessoffit.mp4
│      --卡方拟合优度检验【论文实战】.mp4
│      --卡方独立性检验(Chi-square)【上】.mp4
│      --卡方独立性检验(Chi-square)【下】.mp4
│      --卡方独立性检验【论文实战】.mp4
│      --分层卡方检验(Hierarchicalchi-squaretes.mp4
│      --分层卡方检验【论文实战】.mp4
│      --配对卡方检验(McNemar检验).mp4
│      --配对卡方检验【论文实战】.mp4
│      --Kappa一致性分析(Kappaanalysis).mp4
│      --Kappa一致性分析【论文实战】.mp4
│      
├─{16}--非参数检验(NonparametricTest)
│      --了解非参数检验.mp4
│      --单样本非参数检验.mp4
│      --单样本非参数检验【论文实战】.mp4
│      --独立样本非参数检验.mp4
│      --独立样本非参数检验【论文实战】.mp4
│      --配对样本的非参数检验.mp4
│      --配对样本的非参数检验【论文实战】.mp4
│      
├─{17}--相关分析与回归模型
│      --相关分析与回归模型知识概要.mp4
│      --双变量相关和偏相关.mp4
│      --双变量相关和偏相关【论文展示】.mp4
│      --一元线性回归模型.mp4
│      --一元线性回归模型【论文展示】.mp4
│      --多元线性回归模型(模型建立).mp4
│      --多元线性回归模型(数据转换和共线性问题).mp4
│      --多元线性回归模型(虚拟变量).mp4
│      --多元线性回归模型【论文展示】.mp4
│      --曲线回归(天猫双11销售额拟合).mp4
│      --曲线回归【论文实战】.mp4
│      --分层线性回归分析.mp4
│      --分层线性回归分析【论文展示】.mp4
│      
├─{18}--逻辑回归模型
│      --二分类逻辑回归(案例详解).mp4
│      --二分类逻辑回归(过程梳理).mp4
│      --二分类逻辑回归【论文展示】.mp4
│      --无序多分类逻辑回归模型.mp4
│      --无序多分类逻辑回归模型【论文展示】.mp4
│      --有序多分类逻辑回归模型.mp4
│      --有序多分类逻辑回归模型【论文展示】.mp4

└─课件资料软件.zip



下载地址:
加入VIP超值
**** Hidden Message *****
页: [1]
查看完整版本: SPSS论文数据分析实战视频课程共10G 2019年12月,IT资源网