IBM SPSS數(shù)據(jù)分析與挖掘?qū)崙?zhàn)案例精粹

第一部分 spss數(shù)據(jù)分析基礎(chǔ)
第1章 數(shù)據(jù)分析方法論簡(jiǎn)介
1.1 三種數(shù)據(jù)分析方法論
1.2 crisp-dm方法論介紹
第2章 數(shù)據(jù)分析方法體系簡(jiǎn)介
2.1 統(tǒng)計(jì)軟件中的數(shù)據(jù)存儲(chǔ)格式
2.2 數(shù)據(jù)的統(tǒng)計(jì)描述與參數(shù)估計(jì)
2.3 常用假設(shè)檢驗(yàn)方法
2.4 多變量模型
2.5 多元統(tǒng)計(jì)分析模型
2.6 智能統(tǒng)計(jì)分析／數(shù)據(jù)挖掘方法
第3章 ibm spss statistics操作入門(mén)
3.1 案例背景
3.2 數(shù)據(jù)文件的讀入與變量整理
3.3 問(wèn)卷數(shù)據(jù)分析
3.4 項(xiàng)目總結(jié)和討論
第4章 ibm spss statistics操作進(jìn)階
4.1 案例背景
4.2 問(wèn)卷錄入
4.3 問(wèn)卷質(zhì)量校驗(yàn)
4.4 問(wèn)卷數(shù)據(jù)分析
4.5 項(xiàng)目總結(jié)和討論
第5章 ibm spss modeler操作入門(mén)
5.1 ibm spss modeler概述
5.2 ibm spss modeler相關(guān)操作與技巧
5.3 ibm spss modeler功能介紹
5.4 案例分析：藥物選擇決策支持
5.5 如何進(jìn)一步學(xué)習(xí)ibm spss modeler
第二部分 影響因素發(fā)現(xiàn)與數(shù)值預(yù)測(cè)
第6章 酸奶飲料新產(chǎn)品口味測(cè)試
研究案例
6.1 案例背景
6.2 數(shù)據(jù)理解
6.3 不同品牌的評(píng)分差異分析
6.4 兩因素方差分析模型分析
6.5 分析結(jié)論與討論
第7章 偏態(tài)分布的激素水平影響因素分析
7.1 案例背景
7.2 數(shù)據(jù)理解
7.3 對(duì)因變量變換后的建模分析
7.4 秩變換分析
7.5 利用cox模型進(jìn)行分析
7.6 項(xiàng)目總結(jié)與討論
第8章 某車(chē)企汽車(chē)年銷(xiāo)量預(yù)測(cè)案例
8.1 案例背景
8.2 數(shù)據(jù)理解
8.3 變量變換后的線(xiàn)性回歸
8.4 曲線(xiàn)擬合
8.5 利用非線(xiàn)性回歸進(jìn)行擬合
8.6 項(xiàng)目總結(jié)與討論
第9章 腦外傷急救后遲發(fā)性顱腦損傷影響因素分析案例
9.1 案例背景
9.2 數(shù)據(jù)理解
9.3 構(gòu)建二分類(lèi)logistic回歸模型
9.4 利用樹(shù)模型發(fā)現(xiàn)交互項(xiàng)
9.5 使用廣義線(xiàn)性過(guò)程進(jìn)行分析
9.6 項(xiàng)目總結(jié)與討論
第10章 中國(guó)消費(fèi)者信心指數(shù)影響因素分析
10.1 案例背景
10.2 數(shù)據(jù)理解
10.3 標(biāo)準(zhǔn)glm框架下的建模分析
10.4 多元方差分析模型的結(jié)果
10.5 最優(yōu)尺度回歸
10.6 多水平模型框架下的建模分析
10.7 項(xiàng)目總結(jié)與討論
第三部分 信息濃縮、分類(lèi)與感知圖呈現(xiàn)
第11章 探討消費(fèi)者購(gòu)買(mǎi)保健品的動(dòng)機(jī)
11.1 案例背景
11.2 數(shù)據(jù)理解
11.3 利用因子分析進(jìn)行信息濃縮
11.4 基于因子分析結(jié)果進(jìn)行市場(chǎng)細(xì)分
11.5 項(xiàng)目總結(jié)與討論
第12章 1988年漢城奧運(yùn)會(huì)男子十項(xiàng)全能成績(jī)分析
12.1 案例背景
12.2 數(shù)據(jù)理解
12.3 利用因子分析進(jìn)行信息濃縮
12.4 主成分回歸
12.5 將主成分回歸方程還原回原始變量的形式
12.6 項(xiàng)目總結(jié)與討論
第13章 打敗sars
13.1 案例背景
13.2 數(shù)據(jù)理解與數(shù)據(jù)準(zhǔn)備
13.3 “非典”信息關(guān)注傾向的多維偏好分析
13.4 突發(fā)事件險(xiǎn)種購(gòu)買(mǎi)傾向的多重對(duì)應(yīng)分析
13.5 “非典”對(duì)未來(lái)生活方式的影響
13.6 項(xiàng)目總結(jié)與討論
第14章 住院費(fèi)用影響因素挖掘
14.1 案例背景
14.2 數(shù)據(jù)理解與數(shù)據(jù)準(zhǔn)備
14.3 采用聚類(lèi)分析尋找費(fèi)用類(lèi)型
14.4 住院費(fèi)用影響因素的神經(jīng)網(wǎng)絡(luò)分析
14.5 不同療法療效與費(fèi)用比較的神經(jīng)網(wǎng)絡(luò)分析
14.6 項(xiàng)目總結(jié)與討論
第四部分 數(shù)據(jù)挖掘案例精選
第15章 淘寶大賣(mài)家之營(yíng)銷(xiāo)數(shù)據(jù)分析
15.1 案例背景
15.2 利用rfm模型定位促銷(xiāo)名單
15.3 尋找有重購(gòu)行為買(mǎi)家的特征
15.4 總結(jié)與討論
第16章 超市商品購(gòu)買(mǎi)關(guān)聯(lián)分析
16.1 案例背景
16.2 數(shù)據(jù)準(zhǔn)備
16.3 商品購(gòu)買(mǎi)關(guān)聯(lián)分析
16.4 結(jié)果應(yīng)用
第17章 電信業(yè)客戶(hù)流失分析
17.1 案例背景
17.2 商業(yè)理解
17.3 數(shù)據(jù)理解與數(shù)據(jù)準(zhǔn)備
17.4 建立模型與模型評(píng)估
17.5 模型的應(yīng)用及營(yíng)銷(xiāo)預(yù)演
17.6 總結(jié)與討論
第18章 信用風(fēng)險(xiǎn)評(píng)分方法
18.1 案例背景
18.2 商業(yè)理解
18.3 數(shù)據(jù)理解與數(shù)據(jù)準(zhǔn)備
18.4 建立模型與模型評(píng)估
18.5 對(duì)若干問(wèn)題的說(shuō)明
第19章 醫(yī)療保險(xiǎn)業(yè)的欺詐發(fā)現(xiàn)
19.1 案例背景
19.2 商業(yè)理解
19.3 數(shù)據(jù)理解與數(shù)據(jù)準(zhǔn)備
19.4 建立模型
19.5 結(jié)果發(fā)布
19.6 進(jìn)一步閱讀
第20章 電子商務(wù)中的數(shù)據(jù)挖掘應(yīng)用
20.1 案例背景
20.2 數(shù)據(jù)理解
20.3 數(shù)據(jù)準(zhǔn)備
20.4 建立模型與模型發(fā)布
20.5 進(jìn)一步閱讀
附錄
附錄a 本書(shū)光盤(pán)內(nèi)容介紹
附錄b spss軟件的安裝與激活
附錄c 書(shū)中統(tǒng)計(jì)方法、模型與知識(shí)點(diǎn)
索引
附錄d ibm spss statiscs函數(shù)一覽表
附錄e ibm spss modeler節(jié)點(diǎn)功能簡(jiǎn)介
參考文獻(xiàn)
后記