IBM SPSS数据分析与挖掘实战案例精粹

作品简介

《IBM SPSS数据分析与挖掘实战案例精粹》以IBM SPSS Statistics 20.0和IBM SPSS Modeler 14.1为工具，提供了医疗、金融、保险、汽车、快速消费品、市场研究、互联网等多个行业的数据分析／挖掘案例，基于实战需求，详细讲解整个案例的完整分析过程，并将模型和软件的介绍融于案例讲解之中，使读者在阅读时能突破方法和工具的局限，真正聚集于对数据分析精髓的领悟。

作者：张文彤、钟云飞

作品目录

• 前言
• 第一部分 SPSS数据分析基础
• 第1章 数据分析方法论简介
• 1.1 三种数据分析方法论
• 1.2 CRISP-DM方法论介绍
• 第2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/数据挖掘方法
• 第3章 IBM SPSS Statistics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4章 IBM SPSS Statistics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5章 IBM SPSS Modeler操作入门
• 5.1 IBM SPSS Modeler概述
• 5.2 IBM SPSS Modeler相关操作与技巧
• 5.3 IBM SPSS Modeler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6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 不同品牌的评分差异分析
• 6.4 两因素方差分析模型分析
• 6.5 分析结论与讨论
• 第7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 对因变量变换后的建模分析
• 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8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9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10章 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11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12章 1988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13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14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15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16章 超市商品购买关联分析
• 16.1 案例背景
• 16.2 数据准备
• 16.3 商品购买关联分析
• 16.4 结果应用
• 第17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18章 信用风险评分方法
• 18.1 案例背景
• 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19章 医疗保险业的欺诈发现
• 19.1 案例背景
• 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20章 电子商务中的数据挖掘应用
• 20.1 案例背景
• 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
• 附录
• 附录A 本书光盘内容介绍
• 附录B SPSS软件的安装与激活
• B.1 操作系统要求
• B.2 软件的安装
• B.3 软件试用的激活
• 附录C 书中统计方法、模型与知识点索引
• 附录D IBM SPSS Statistics函数一览表
• D.1 数学函数
• D.2 累计概率函数、逆分布函数、概率密度函数与显著性函数
• D.3 日期时间函数
• D.4 缺失值函数
• D.5 随机函数
• D.6 检索函数
• D.7 统计函数
• D.8 字符串函数
• D.9 转换、特殊变量与其他函数
• 附录E IBM SPSS Modeler各节点功能简介
• E.1 源
• E.2 记录选项
• E.3 字段选项
• E.4 图形
• E.5 建模
• E.6 输出
• E.7 导出
• 附录F
• 参考文献
• 后记