科研SPSS统计思维实战研讨会

2017 年 12 月 4 日 科研圈 莫速乎教育

北京冠京饭店  莫速乎教育主办

2017 / 12 / 30 ~ 31(29日报到)

报名方式见文末


开办背景

每个科研研究人员都学习过统计,但只有少数人真正“入门”。教科书上“精心”挑选的案例大多是理想化的,而实际情景却常常错综复杂,充满了干扰信息,研究人员往往难以从中“抽丝剥茧”,提取出恰当的统计模型。目前仍有不少研究人员没有掌握统计的核心,对各种统计模型的适应条件了解不足,不断错误的使用着统计!


统计学书籍很多,但要么脱离实践过于深入数理统计理论,要么单纯的讲解操作。新的科研统计课程应该是在策划上打破常规的、通俗易懂的、深入传输统计思维的、对统计模型选择的适用条件认证鉴别讲解的、重点层次分明的,而且必须是结合真实场景进行分析,帮助学员从不同专业、有效无效信息混杂的真实场景中理清思路,培养真正的“统计思维”。


《科研 SPSS 统计思维实战》 课程正是在这样的背景下策划产生。本课程以目前科研界最广泛使用的 SPSS 软件为操作载体,教大家如何把握核心,一步一步分析应对各种科研工作中常见的统计设计及数据统计分析,包括复杂多元统计。课程配有详细的内部笔记资料供复习,两整天的现场课程重在掌握各种统计模型的关注点、整套分析逻辑与思维,及了解统计设计和数据分析中常犯的错误及如何避免。同时自带电脑当场练习、交流、提问,以加深印象。如果您对科研设计、论文数据该用哪种统计方法及后续 SPSS 统计分析操作存在模糊不清,这是您不容错过的好课程。

主办及承办单位

莫速乎教育(上海莫速乎教育投资有限公司,www.mosuhu.com)

上海荆麦信息科技中心

课程特色

1、 本课程重在传输科研工作中的统计思维与逻辑,当需要进行操作时,使用 SPSS 进行讲解操作,避免将时间浪费在可能一生都不会用到的偏专软件操作上。

2、 课程通俗易懂,将抽象的名词通俗化,对学员统计要求不高,一般研究生学历(包括在读)即可。

3、 本次课程全程由一位老师主讲,更能获得最大收获。

4、 课程内容实用性强,均为科研工作中一定会使用到的内容,且从案例、问题出发,知识更立体,更能学以致用。课程设计不是为了考试,而是解决实际问题,因此可按照真实应用情况安排课程重点。

课程解决的问题

(包含但不限于以下问题,由于重在思维推理,因此更多核心还见现场课程。为了便于掌握,下述问题将会包含到课程案例分析中,而不会按下述清单依次讲解)

  • 为什么说目前科研设计与统计分析质量令人担忧?

  • 如何培养统计思维?统计思维的常见误区有哪些?

  • 科研中“差异”的“专业意义”与“统计学意义”的差别?

  • 盲法的重要概念?盲法里的那些不可忽视的小事?

  • 工作中几个最常混淆的术语通俗解释?

  • 第一个必备思维:你研究的样本能代表研究总体吗?

  • 前瞻性研究与回顾性研究的核心关注点是什么?

  • 如何把握实验设计的三因素、四原则?

  • 你真正掌握了实验因素与实验水平的差别吗?

  • 你知道多因素与多元统计的差别吗?你知道多重与多元的差别吗?

  • 常见实验设计类型与方案及鉴别要点?

  • 令人头大的交互作用如何快速辨别?

  • 另一个必备思维:科研统计的三板斧(统计思维-统计设计- SPSS 实现)?

  • 如何区分标度测量、有序测量、名义测量,以及有哪些很容易搞混的情况?

  • 如何使用 SPSS 随机数随机分组,通过一个例子掌握所有随机分组的情况?

  • 科研中统计方法应用的常见错误有哪些及区别要点?

  • 为什么说区分资料类型十分重要,常常直接决定后续采用哪种统计方法?

  • 生物医学领域数据是怎么分布的?这些分布有什么概率特点与规律?

  • 何为二项分布,Poisson 分布及案例分析?

  • 你真正了解正态分布和中心极限定理吗?

  • 算术均数与几何均数的差别,以及在什么情况下使用?

  • 方差与标准差的关系是什么,如何形象理解方差与标准差?

  • 什么是中位数、众数、变异程度,在哪些情况下分别使用?

  • 标准差、标准误的差别和关系,何时用标准差何时用标准误?

  • 点估计与区间估计(置信区间)的差别?

  • 样本群体和个体的区别——均值的“可信区间” VS. “参考值范围”如何使用?

  • 你能分清率和构成比吗,知道这被广泛被错用吗?

  • 什么是交叉表和高维列联表?

  • 什么是率的可信区间估算?

  • 标准正态 Z 分布与 t 分布的概念、差别与使用?

  • 实际工作中常常 KS 与 SW 正态性结果相反,此时该如何解决?

  • 如何检验数据是否服从正态分布,有哪些方法,分别在哪些情况下使用?

  • 如何将偏态分布的数据合理分为几大类?

  • 如何处理缺失值,有哪些原则?

  • 利用 SPSS 进行连续变量的离散化,及哪些情况下需要将连续变量离散化?

  • 如何利用随机数字生成器,在哪些情景使用?

  • 如何将长型格式转化为宽型格式?

  • 假设检验中的常见错误?一个例子讲透假设检验

  • 一类错误与二类错误的差别,如何控制这两类错误?

  • 如何计算某研究中需要多少样本量?

  • P 小于 0.05 就行了么?何时需要小于 0.05 ,及 0.01 ?

  • 假阳性与假阴性的矛盾中透露的哲学思想!

  • 万变不离其中的统计设计与布局思想,如何把握统计的核心?

  • 一元统计与多元统计的区别及核心?

  • 什么是模型?你理解模型是干什么的吗?

  • 单因素分析与多因素分析的应用场景有哪些?

  • 完全随机与随机区组设计、多个样本均数的两两比较的区别核心?

  • 析因设计、重复测量设计、交叉设计的区别使用及核心理念?

  • 什么样的实验研究场合适合选用随机区组设计?

  • 单因素多水平设计与随机区组设计的异同点是什么?

  • 交叉设计的使用场合与注意事项?

  • 如何思考与安排具体的析因设计?

  • 如何处理析因设计与重复测量设计同时存在的情况?

  • 三个因素及以上的多因素分析如何进行分层两两比较?

  • 在应用正交设计时大家常犯的错误有哪些?如何避免?

  • 为什么进行综合分析还要考虑试验设计?

  • 两两比较的方法之解惑?

  • PostHoc 是什么意思?

  • LSD 输出非常详细,SNK 法输出能看懂吗?

  • 两两比较法到底哪家强?究竟什么情况下用那个?

  • 如果方差不齐如何解决?方差不齐时如何矫正检验?

  • 多因素方差分析在哪矫正?

  • 方差分析的终极解决之道——一般线性模型的SPSS实现?

  • 定量资料的统计分析与常见错误辨析

  • 单组设计定量资料的t检验与非参检验及鉴别要点?

  • 配对设计定量资料的t检验与非参检验及鉴别要点?

  • 成组设计的定量资料的t检验与非参检验及鉴别要点?

  • 单因素k水平设计定量资料的方差分析的鉴别要点?

  • 重复测量设计的定量资料的方差分析

  • 二阶段交叉设计定量资料的方差分析

  • 多元方差分析的 SPSS 实现,及在什么情况下使用?

  • 如何理解方差分析模型常用术语?什么是固定因素,什么是随机因素?

  • 如何分析及判读多因素方差分析检验思路?

  • 多因素方差分析模型的适用条件有哪些?

  • SNK 两两比较出现跨界结果时如何判读?

  • 独立性、正态性(残差诊断)、方差齐性(各个单元格)建模后的残差分析要领?

  • 边际均数比较与两两比较的差别在哪?

  • 卡方分布与卡方检验及 SPSS 如何实现?

  • 线性回归的步骤及思维逻辑是怎样的?

  • 何为多重共线性?多重共线性的判断如何操作?

  • 多变量的筛选策略?

  • 什么是残差?何为未标准化和标准化残差?残差是否独立如何检测?

  • 什么是多值名义资料?

  • 面对不同的多值名义资料如何选择统计分析方法?

  • 如何进行独立样本四格表资料的卡方检验?

  • 如何进行多个独立样本 R×C 列联表资料的卡方检验?

  • 什么是配对设计资料的卡方检验?

  • 列联表资料的确切概率法及使用场景?

  • 常用定性资料的统计分析方法有哪些,何时使用?

  • 横断面研究设计的 2*2 表资料统计分析及 SPSS 实现

  • 队列研究设计的 2*2 表资料及 SPSS 实现

  • 病例对照研究设计的 2*2 表资料及 SPSS 实现

  • 配对研究设计的 2*2 表资料及 SPSS 实现

  • 双向无序的 R*C 表资料及 SPSS 实现

  • 高维列联表的统计分析及 SPSS 实现

  • 什么情况下经常误将例次当作例数处理?

  • 什么情况下经常误用定量资料的统计分析方法处理定性资料?

  • 用多次两两比较随意割裂 R*C 表资料案例分析

  • 配对资料的符号秩和检验在何时使用,及如何实现?

  • 两组独立样本比较的秩和检验与 SPSS 实现?

  • Wilcoxon 秩和检验的用途与 SPSS 实现?

  • 何为 Kruskal-Wallis 检验?什么情况下使用?

  • 何为几个相关有序样本的非参数检验及案例分析?

  • 如何用广义估计方程分析重复测量设计的分类资料?

  • 经典的回归与相关分析思路与 SPSS 实现?

  • 什么是多重线性回归与多元回归分析?

  • 一般线性模型与广义线性模型与混合线性模型的差别与联系?

  • 分类变量的关联性分析要领?

  • 线性回归与非线性回归的差别及应用场合?

  • 自变量筛选的方法与 SPSS 实现?

  • 危险因素评价及预测:Logistic 回归的精髓与 SPSS 实现?

  • 多重 logistic 回归的应用场合?

  • 自变量筛选的方法与模型评价的方法?

  • 模型评价及预测的方法与思想?

  • 多重回归中的共线性问题?

  • 关于 ROC 曲线不得不说的故事!两个 ROC 曲线下面积的比较?

  • 何为哑变量?设置哑变量的方法?

  • 什么是极大似然估计?什么是最小二乘法?

  • 多因素间关联:多重相关与回归的 SPSS 实现

  • 多重线性回归分析的应用场合、概念和任务及评价

  • OR 值与 RR 的含义及解释

  • 别妄想“鱼目混珠”—混杂因素的识别要领?

  • 统计图的设计与思考?

  • Kolmogorov-Smirnov 检验的作用是什么?

  • 什么是 logit 变换?

  • 多重共线性的识别和处理?

  • 什么是生存分析的基本原理、基本概念和用途及 K-M法、寿命表法的原理与分析实例

  • Cox 模型的原理通俗讲解

  • 含时间依存变量的 Cox 回归模型

  • 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?

  • 核心思维:多元设计的要求与方案?


课程时间及安排

2017 年 12 月 29 日 下午三点后一楼大厅报到台报到,领取材料、餐券,外地学员可提前办理入住

2017 年 12 月 30 8 : 30 - 12 : 00 上午课程,13 : 30 - 17 : 00 下午课程,中午统一午餐

2017 年 12 月 31  8 : 30 - 12 : 00 上午课程,13 : 00 – 16 : 30 下午课程,中午统一午餐

会议具体事项

研讨会时间地点

北京冠京饭店  2017 年 12 月 30 日- 31 日 ( 29 日报到)

北京市丰台区丰台北路 79 号(近丰体南路)(地铁 9 号线,七里庄站A号口出)


培训对象

从事生物、医学、农业等各科研专业,需要发表SCI文章的科研工作者及硕士、博士研究生,年资不限。


注册费用

2600 元/人,三人以上团体 2400 元/人

按缴费先后顺序确定座次;注册费含会场、专家讲课费、教材、午餐、税费。不含住宿费。


缴费账号

开户行:中国工商银行(上海泗泾支行)

户名:上海莫速乎教育投资有限公司

银行账号:1001 7095 0930 0167 886

备注写明姓名+统计

少数单位转账时需提供我方开户银行行号:1022 9007 0955

如通过支付宝转账须支付到:(支付宝无法转账到企业银行,只能转账到企业支付宝)

企业支付宝:mosuhu@163.com

户名:上海莫速乎教育投资有限公司


缴费后请将汇款凭据截图或拍照,并发送邮件到mosuhu@163.com告知详情以备核实。如多付款我们将会退还给您,敬请放心。经盖章的纸质版邀请函将会与发票一起在会议第二天下午统一发放给大家。目前可邮件索要经盖章的PDF版邀请函。


可以现场刷卡(公务卡、信用卡、储蓄卡等)或缴纳现金。


住宿

费用自理。不强行规定,可自己网上预订住宿。

北京冠京饭店

地址:北京市丰台区丰台北路 79 号(近丰体南路)(地铁 9 号线,七里庄站 A 号口出)

单间/标准间320 元/间    (含早餐、含宽带)

备注:住宿统一安排,费用自理,办理住宿时告诉前台是参加此学习班的即可,住宿费办理住宿时交给酒店前台。住宿费发票将在退房时由酒店开具给您。


报名咨询

4000709739(何老师)(莫速乎客服热线,全国免长途费)

18117251971(何老师)


其他说明

1、会议报到:12 月 29 日 15:00 - 20:00 在酒店一楼大厅报到领取教材,20:00 之后到达酒店的请提前与何老师联系预留房间,当晚办理入住,第二天早上 8:00 报道, 8:30 正式上课。会议含统一午餐。

2、会议需自备电脑、鼠标。会场我们会布置充足的电源插座,请放心。主讲老师课上实际应用案例很多,学员需要一起操作练习,不会睡觉。

3、请确保电脑安装的是 WINDOWS 的操作系统( xp / vista / win7 / win8 / win10 ),而非苹果操作系统(但也可自行寻找安装适合苹果系统的相关软件)。

4、我们教学使用的软件为 SPSS 24.0 。练习素材和软件会议当天发放给学员,如软件安装中出现问题或不会安装,请不必担心,老师上课前会讲解如何安装。

5、发票会在会议期间发放。

6、随发票一同发放的还有经过盖章的纸质版会议邀请函,以便于大家报销费用时作为会议凭证。如需要用来预支付费用,可以邮件索要经盖章的 PDF 版本的邀请函,您先将它打印出来拿去财务预支费用,均屡试不爽。

7、如果您针对统计方面有何疑问,请带着问题来,并可与授课老师当场交流。

8、我们使用了最高流明(亮度单位)的投影仪,并配合屏幕放大软件,您不必担心看不清屏幕。

参会报名方法

为保证最快速的给您回复,请按下列格式撰写邮件发送到指定报名邮箱mosuhu03@163.com

(为避免进入垃圾箱,以下文字可能无法复制,请自行撰写邮件,包含以下内容即可,多谢谅解)


报名邮件内容模板

我想报名参加 12 月的科研SPSS统计思维实战研讨会,以下是我的信息:

1、 姓名:

2、性别:

3、单位:

4、邮箱:

5、手机:

6、发票抬头及税号:如不确定,先留空。

7、是否需代预订住宿:如需预订住宿,请明确写明是希望一人住还是与人合住?一般默认住宿时间是从会议前一晚到会议最后一天中午退房,如果有特殊需要请注明。

8、备注:备注说明写在此,如有多人参加,请将姓名、性别、邮箱、手机在上面分别单独列出,备注中写明一位主要联系人。


关于报名的说明:

1、请务必留意会议主办单位为“莫速乎教育”及会议日期( 12 月30 - 31 日)地点(北京),以免弄错;

2、务请发到指定报名邮箱,而不要直接回复收到的通知邮件;

3、您发送后 1 天内会收到我们更详细的报到通知等说明,如 2 天后依然未收到请电话联系我们或核对邮箱再发送一次;

4、如有任何疑问,也可直接拨打会务组电话 4000709739       (何老师)或 18117251971(何老师)。

登录查看更多
0

相关内容

统计模型[stochasticmodel;statisticmodel;probabilitymodel]指以概率论为基础,采用数学统计方法建立的模型。有些过程无法用理论分析方法导出其模型,但可通过试验测定数据,经过数理统计法求得各变量之间的函数关系,称为统计模型。常用的数理统计分析方法有最大事后概率估算法、最大似然率辨识法等。常用的统计模型有一般线性模型、广义线性模型和混合模型。统计模型的意义在对大量随机事件的规律性做推断时仍然具有统计性,因而称为统计推断。
【2020新书】从Excel中学习数据挖掘,223页pdf
专知会员服务
90+阅读 · 2020年6月28日
【干货书】R语言书: 编程和统计的第一课程,
专知会员服务
111+阅读 · 2020年5月9日
【经典书】Python数据数据分析第二版,541页pdf
专知会员服务
192+阅读 · 2020年3月12日
中科大-人工智能方向专业课程2020《脑与认知科学导论》
【2020新书】数据科学:十大Python项目,247页pdf
专知会员服务
212+阅读 · 2020年2月21日
【机器学习课程】Google机器学习速成课程
专知会员服务
164+阅读 · 2019年12月2日
136 个Python 机器学习知识点让你受益终生!
ImportNew
3+阅读 · 2018年11月27日
一文掌握高薪行业必备数学知识(附学习资源)
算法与数学之美
7+阅读 · 2018年6月7日
实战 | 用Python做图像处理(二)
七月在线实验室
17+阅读 · 2018年5月25日
【入门】数据分析六部曲
36大数据
18+阅读 · 2017年12月6日
数学不好能搞人工智能吗?
算法与数学之美
3+阅读 · 2017年11月27日
大学数学不好,或许是数学教材的锅?
算法与数学之美
15+阅读 · 2017年8月1日
Semantics of Data Mining Services in Cloud Computing
Arxiv
4+阅读 · 2018年10月5日
Phrase-Based & Neural Unsupervised Machine Translation
Arxiv
5+阅读 · 2018年5月28日
Arxiv
3+阅读 · 2018年4月3日
VIP会员
相关资讯
136 个Python 机器学习知识点让你受益终生!
ImportNew
3+阅读 · 2018年11月27日
一文掌握高薪行业必备数学知识(附学习资源)
算法与数学之美
7+阅读 · 2018年6月7日
实战 | 用Python做图像处理(二)
七月在线实验室
17+阅读 · 2018年5月25日
【入门】数据分析六部曲
36大数据
18+阅读 · 2017年12月6日
数学不好能搞人工智能吗?
算法与数学之美
3+阅读 · 2017年11月27日
大学数学不好,或许是数学教材的锅?
算法与数学之美
15+阅读 · 2017年8月1日
Top
微信扫码咨询专知VIP会员