能力缺口定位：别让数据清洗和基础统计卡住你的项目
很多做转岗或查漏补缺的技术学习者，在碰到实际业务数据时，写代码跑模型往往没问题，但一到前期数据探索就卡壳。拿到一份包含缺失值、各种非标准格式字段和混杂类型的原始业务表，不知道怎么快速做数据清洗、怎么合理填补缺失值，甚至连怎么合并多张关联表都要查半天。这门课解决的就是这个断层问题：它不跟你扯复杂的算法推导，而是直接面对 SPSS 这款统计软件，带你把从导入杂乱数据到产出交叉分析结果的流程走通。适合有一定编程或数据分析概念、但缺乏系统统计工具实操经验的人。如果你连均值、方差、频数这些基础统计指标的底层含义都不清楚，建议先补统计学基础再来看，否则软件操作再熟也只是按图索骥。学完之后，你应该能独立接手一份原始业务数据，完成清洗、合并、变量定义，并产出可信的描述性统计报告，为后续建模或业务汇报提供干净的数据底座。
建议先看哪几块：数据管理与描述性统计是核心
别一上来就急着去翻后面那些高阶检验模块，这门课的基础章节看似枯燥，但恰恰是日常工作中最常用的部分。建议先集中精力看数据管理那几块，重点跟着演示把不同数据源的导入、变量类型定义、数据文件拆分与合并操作过一遍。很多人在实际项目中遇到的数据拼接问题，根源都在于没有搞懂 SPSS 里变量度量级别和数据格式的对应关系。其次，描述性统计和案例交叉分析这两块必须吃透，这是判断数据质量好坏的试金石。看的时候不要只盯着软件界面点哪个菜单，要弄懂每个操作背后的统计意义。比如做交叉分析时，为什么选这几个变量，得出的列联表反映了什么业务逻辑。资料包里的演示数据要同步打开跟着练，别只用眼睛看，自己亲手把数据导入一遍、做一次多表合并，比看十遍视频都管用。遇到报错先停下来自己查变量定义，别急着往下拖进度条。
学完应能回答的问题与配套练习方法
检验学没学透的标准很简单，看完这几块后，问自己几个问题：导入外部数据时，字符串字段为什么会被自动转成缺失值？两个不同维度的数据文件合并，横向合并和纵向合并在变量对齐上有什么区别？做描述性统计时，偏度和峰度指标能说明这份数据的什么分布特征？如果这些问题你答得含糊其辞，说明还在假装会，得倒回去重看。配套练习方面，不要只依赖课程自带的练习文件，那些数据往往太干净了。建议自己造一份脏数据，故意留些空值、格式错乱的字段，然后用课程教的方法去清洗和重构。把资料包里的案例数据当作标准答案来对照，自己处理完一遍后，跟课程演示的最终结果做比对，看看变量定义是否一致、统计指标有没有算错。只有把这套数据预处理和基础分析的流程内化成肌肉记忆，后续遇到更复杂的统计检验或数据挖掘任务时，你才不会在第一步的数据准备阶段就掉链子。
课程目录
1-1 [SPSS基础介绍] 数据预处理介绍 (03:40) 1-2 [SPSS基础介绍] SPSS软件介绍 (11:04) 1-3 [SPSS基础介绍] 在win下安装演示 (07:35) 1-4 [SPSS基础介绍] Mac下安装演示 (06:34) 1-5 [SPSS基础介绍] 基本功能介绍 (13:07) 1-6 [SPSS基础介绍] 软件环境参数 (07:35) 1-7 [SPSS基础介绍] 描述性统计 (08:13) 1-8 [SPSS基础介绍] 描述性统计进阶 (05:40) 1-9 [SPSS基础介绍] 案例交叉分析 (02:46) 2-1 [SPSS数据管理] 数据导入 (05:14) 2-2 [SPSS数据管理] 导入数据变量 (07:48) 2-3 [SPSS数据管理] 数据文件操作 (08:32) 2-4 [SPSS数据管理] 数据合并 (10:04) 2-5 [SPSS数据管理] 数据文件转换 (10:20) 2-6 [SPSS数据管理] 数据输出编辑 (08:41) 2-7 [SPSS数据管理] 数据运算 (11:05) 3-1 [数据文件操作] 拆分合并数据文件 (10:55) 3-2 [数据文件操作] 数据横向纵向合并 (08:59) 3-3 [数据文件操作] 数据文件排序 (15:05) 3-4 [数据文件操作] 数据文件分类汇总 (13:52) 3-5 [数据文件操作] 数据文件加权 (07:27) 3-6 [数据文件操作] 重组数据文件结构 (10:27) 4-1 [基本统计分析] 汇总分析 (19:08) 4-2 [基本统计分析] 频数分析 (12:06) 4-3 [基本统计分析] 描述性统计分析 (15:22) 4-4 [基本统计分析] 探索性分析 (17:02) 4-5 [基本统计分析] 列联表分析 (18:54) 5-1 [参数检验与非参数检验] 假设检验 (13:18) 5-2 [参数检验与非参数检验] 平均值检验 (15:58) 5-3 [参数检验与非参数检验] 单样本T检验 (12:21) 5-4 [参数检验与非参数检验] 两独立样本 (14:41) 5-5 [参数检验与非参数检验] 二项分布检验 (13:02) 5-6 [参数检验与非参数检验] 卡方检验 (14:09) 6-1 [方差分析] 方差分析 (31:00) 6-2 [方差分析] 单因素分析 (22:44) 6-3 [方差分析] 多因素分析 (18:28) 7-1 [数据相关和回归] 相关和回归介绍 (17:21) 7-2 [数据相关和回归] 偏相关分析 (26:08) 7-3 [数据相关和回归] 简单相关分析 (17:29) 7-4 [数据相关和回归] 一元和logstic回归分析 (20:31) 7-5 [数据相关和回归] 二元逻辑回归分析 (27:20) 8-1 [缺失值处理] 缺失值处理应用 (20:33) 8-2 [缺失值处理] 缺失值估计法 (17:18) 8-3 [缺失值处理] 回归法和最大似然法 (24:28) 8-4 [缺失值处理] 缺失值处理法 (20:03) 8-5 [缺失值处理] 特征法处理 (22:23) 9-1 [异常值处理] 什么是异常值 (18:39) 9-2 [异常值处理] 异常值原因及检验 (19:50) 9-3 [异常值处理] 检验单变量 (21:43) 9-4 [异常值处理] 检验多变量 (21:56) 9-5 [异常值处理] 减少异常值的方案 (12:37) 10-1 [基础统计图表] 条形图 (18:28) 10-2 [基础统计图表] 散点图 (10:26) 10-3 [基础统计图表] 饼图 (09:13) 10-4 [基础统计图表] 直方图 (14:35) 11-1 [因子分析和主成分分析] 主成分分析应用 (24:04) 11-2 [因子分析和主成分分析] 因子分析介绍应用 (13:14) 12-1 [聚类分析] Kmeans聚类分析 (20:07) 12-2 [聚类分析] 聚类分析案例 (18:41) 13-1 [时间序列分析] 时间序列数据预处理 (13:52) 13-2 [时间序列分析] 时间序列案例 (20:04)
