第一部分 spss數據分析基礎
第1章 數據分析方法論簡介
1.1 三種數據分析方法論
1.2 crisp-dm方法論介紹
第2章 數據分析方法體係簡介
2.1 統計軟件中的數據存儲格式
2.2 數據的統計描述與參數估計
2.3 常用假設檢驗方法
2.4 多變量模型
2.5 多元統計分析模型
2.6 智能統計分析／數據挖掘方法
第3章 ibm spss statistics操作入門
3.1 案例背景
3.2 數據文件的讀入與變量整理
3.3 問捲數據分析
3.4 項目總結和討論
第4章 ibm spss statistics操作進階
4.1 案例背景
4.2 問捲錄入
4.3 問捲質量校驗
4.4 問捲數據分析
4.5 項目總結和討論
第5章 ibm spss modeler操作入門
5.1 ibm spss modeler概述
5.2 ibm spss modeler相關操作與技巧
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 如何進一步學習ibm spss modeler
第二部分 影響因素發現與數值預測
第6章 酸奶飲料新産品口味測試
研究案例
6.1 案例背景
6.2 數據理解
6.3 不同品牌的評分差異分析
6.4 兩因素方差分析模型分析
6.5 分析結論與討論
第7章 偏態分布的激素水平影響因素分析
7.1 案例背景
7.2 數據理解
7.3 對因變量變換後的建模分析
7.4 秩變換分析
7.5 利用cox模型進行分析
7.6 項目總結與討論
第8章 某車企汽車年銷量預測案例
8.1 案例背景
8.2 數據理解
8.3 變量變換後的綫性迴歸
8.4 麯綫擬閤
8.5 利用非綫性迴歸進行擬閤
8.6 項目總結與討論
第9章 腦外傷急救後遲發性顱腦損傷影響因素分析案例
9.1 案例背景
9.2 數據理解
9.3 構建二分類logistic迴歸模型
9.4 利用樹模型發現交互項
9.5 使用廣義綫性過程進行分析
9.6 項目總結與討論
第10章 中國消費者信心指數影響因素分析
10.1 案例背景
10.2 數據理解
10.3 標準glm框架下的建模分析
10.4 多元方差分析模型的結果
10.5 最優尺度迴歸
10.6 多水平模型框架下的建模分析
10.7 項目總結與討論
第三部分 信息濃縮、分類與感知圖呈現
第11章 探討消費者購買保健品的動機
11.1 案例背景
11.2 數據理解
11.3 利用因子分析進行信息濃縮
11.4 基於因子分析結果進行市場細分
11.5 項目總結與討論
第12章 1988年漢城奧運會男子十項全能成績分析
12.1 案例背景
12.2 數據理解
12.3 利用因子分析進行信息濃縮
12.4 主成分迴歸
12.5 將主成分迴歸方程還原迴原始變量的形式
12.6 項目總結與討論
第13章 打敗sars
13.1 案例背景
13.2 數據理解與數據準備
13.3 “非典”信息關注傾嚮的多維偏好分析
13.4 突發事件險種購買傾嚮的多重對應分析
13.5 “非典”對未來生活方式的影響
13.6 項目總結與討論
第14章 住院費用影響因素挖掘
14.1 案例背景
14.2 數據理解與數據準備
14.3 采用聚類分析尋找費用類型
14.4 住院費用影響因素的神經網絡分析
14.5 不同療法療效與費用比較的神經網絡分析
14.6 項目總結與討論
第四部分 數據挖掘案例精選
第15章 淘寶大賣傢之營銷數據分析
15.1 案例背景
15.2 利用rfm模型定位促銷名單
15.3 尋找有重購行為買傢的特徵
15.4 總結與討論
第16章 超市商品購買關聯分析
16.1 案例背景
16.2 數據準備
16.3 商品購買關聯分析
16.4 結果應用
第17章 電信業客戶流失分析
17.1 案例背景
17.2 商業理解
17.3 數據理解與數據準備
17.4 建立模型與模型評估
17.5 模型的應用及營銷預演
17.6 總結與討論
第18章 信用風險評分方法
18.1 案例背景
18.2 商業理解
18.3 數據理解與數據準備
18.4 建立模型與模型評估
18.5 對若乾問題的說明
第19章 醫療保險業的欺詐發現
19.1 案例背景
19.2 商業理解
19.3 數據理解與數據準備
19.4 建立模型
19.5 結果發布
19.6 進一步閱讀
第20章 電子商務中的數據挖掘應用
20.1 案例背景
20.2 數據理解
20.3 數據準備
20.4 建立模型與模型發布
20.5 進一步閱讀
附錄
附錄a 本書光盤內容介紹
附錄b spss軟件的安裝與激活
附錄c 書中統計方法、模型與知識點
索引
附錄d ibm spss statiscs函數一覽錶
附錄e ibm spss modeler節點功能簡介
參考文獻
後記
· · · · · · (收起)