|
《IBM SPSS数据分析与挖掘 实战案例精粹》 目 录 第一部分 SPSS数据分析基础 第一章 数据分析方法论简介 1.1 数据分析方法论概述 1.2 CRISP-DM方法论介绍 第二章 数据分析方法体系简介 2.1 统计软件中的数据存储格式 2.2 数据的统计描述与参数估计 2.3 常用假设检验方法 2.4 多变量模型 2.5 多元统计分析模型 2.6 智能统计分析方法/数据挖掘方法 第三章 IBM SPSS Statistic操作入门 3.1 案例背景 3.2 数据文件的读入与变量整理 3.3 问卷数据分析 3.4 项目总结和讨论 第四章 IBM SPSS Statistic操作进阶 4.1 案例背景 4.2 问卷录入 4.3 问卷质量校验 4.4 问卷数据分析 4.5 项目总结和讨论 第五章 IBM SPSS Modeler操作入门 5.1 IBM SPSS Modeler概述 5.2 IBM SPSS Modeler的操作 5.3 IBM SPSS Modeler的功能介绍 5.4 案例分析：药物选择决策支持 5.5 如何进一步学习IBM SPSS Modeler 第二部分 影响因素发现与数值预测 第六章 酸奶饮料新产品口味测试研究案例 6.1 案例背景 6.2 数据理解 6.3 用方差分析模型考察同一城市内不同品牌的评分差异 6.4 用两因素方差分析模型进行分析 6.5 分析结论与讨论 第七章 偏态分布的激素水平影响因素分析 7.1 案例背景 7.2 数据理解 7.3 对因变量变量变换后建模分析 7.4 秩变换分析 7.5 利用Cox模型进行分析 7.6 项目总结与讨论 第八章 某车企汽车年销量预测案例 8.1 案例背景 8.2 数据理解 8.3 变量变换后的线性回归 8.4 曲线拟合 8.5 利用非线性回归进行拟合 8.6 项目总结与讨论 第九章 脑外伤急救后迟发性颅脑损伤 影响因素分析案例 9.1 案例背景 9.2 数据理解 9.3 构建二分类logistic回归模型 9.4 利用树模型发现交互项 9.5 使用广义线性过程进行分析 9.6 项目总结与讨论 第十章 INTAGE中国消费者信心指数影响因素分析 10.1 案例背景 10.2 数据理解 10.3 标准GLM框架下的建模分析 10.4 多元方差分析模型的结果 10.5 最优尺度回归 10.6 多水平模型框架下的建模分析 10.7 项目总结与讨论 第三部分 信息浓缩、分类与感知图呈现 第十一章 探讨消费者购买保健品的动机 11.1 案例背景 11.2 数据理解 11.3 利用因子分析进行信息浓缩 11.4 基于因子分析结果进行市场细分 11.5 项目总结与讨论 第十二章 88年汉城奥运会男子十项全能成绩分析 12.1 案例背景 12.2 数据理解 12.3 利用因子分析进行信息浓缩 12.4 主成分回归 12.5 将主成分回归方程还原回原始变量的形式 12.6 项目总结与讨论 第十三章 打败SARS 13.1 案例背景 13.2 数据理解与数据准备 13.3 非典信息关注倾向的多维偏好分析 13.4 突发事件险种购买倾向的多重对应分析 13.5 非典对未来生活方式的影响 13.6 项目总结与讨论 第十四章 住院费用影响因素挖掘 14.1 案例背景 14.2 数据理解与数据准备 14.3 采用聚类分析寻找费用类型 14.4 住院费用影响因素的神经网络分析 14.5 不同疗法疗效与费用比较的神经网络分析 14.6 项目总结与讨论 第四部分 数据挖掘案例精选 第十五章 淘宝大卖家之营销数据分析 15.1 案例背景 15.2 利用RFM模型定位促销名单 15.3 寻找有重购行为买家的特征 15.4 总结与讨论 第十六章 超市产品购买关联分析 16.1 案例背景 16.2 数据准备 16.3 产品购买关联分析 16.4 结果应用 第十七章 电信业客户流失分析 17.1 案例背景 17.2 商业理解 17.3 数据理解与数据准备 17.4 建立模型与模型评估 17.5 模型的应用及营销预演 17.6 总结与讨论 第十八章 信用风险评分方法 18.1 案例背景介绍 18.2 商业理解 18.3 数据理解与数据准备 18.4 建立模型与模型评估 18.5 对若干问题的说明 第十九章 医疗保险业欺诈发现 19.1 案例背景介绍 19.2 商业理解 19.3 数据理解与数据准备 19.4 建立模型 19.5 结果发布 19.6 进一步阅读 第二十章 电子商务中的数据挖掘应用 20.1 案例背景介绍 20.2 数据理解 20.3 数据准备 20.4 建立模型与模型发布 20.5 进一步阅读 |