IBM SPSS資料分析與挖掘實戰案例精粹（簡體書）

張文彤，博士，數據挖掘、市場研究、統計軟件教學與應用領域專家，現任全球第八大市場研究集團INTAGE中國公司全國技術總監。曾在復旦大學任教數載，期間協助SPSS在中國建立并完善了其培訓體系，是國內知名的SPSS培訓教之一。在數據挖掘、市場研究、醫藥數據分析等領域均經驗豐富，曾負責為知名跨國公司完成了中國城市女性市場細分模型、銷量預測模型、商圈選址模型等各類項目，并協助完成多項IT、電信、稅務、銀行等行業的數據挖掘項目。
鐘云飛，資深數據分析專家，擁有超過10年的統計分析與數據挖掘在各行業的軟件應用及咨詢經驗，歷任SPSS、SAS軟件公司首席咨詢顧問，目前在國際商業機器（中國）有限公司軟件部工作，從事SPSS軟件企業應用的推廣工作。主要關注統計分析與數據挖掘在銀行、電信、政府、保險、零售等行業的應用實踐，致力于使用數據分析方法幫助企業和政府組織從數據中獲取有價值的信息從而提高管理水平。

《IBM SPSS數據分析與挖掘實戰案例精粹》適合從初學者到專家各個級別的數據分析人員閱讀，尤其適合于以下讀者群：需要提升實戰能力的數據分析專業人員；在市場營銷、金融、財務、人力資源管理中需要應用數據分析的人士；從事咨詢、科研等工作的專業人士；同時也適合于各專業的本科和研究生作為學習數據分析應用的參考書。

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
1.1.1嚴格設計支持下的統計方法論
1.1.2半試驗研究支持下的統計方法論
1.1.3偏智能化、自動化分析的數據挖掘應用方法論
1.2 CRISP—DM方法論介紹
1.2.1概述
1.2.2商業理解
1.2.3數據理解
1.2.4數據準備
1.2.5建立模型
1.2.6模型評價
1.2.7結果部署
第2章數據分析方法體系簡介
2.1統計軟件中的數據存儲格式
2.1.1 二維數據表
2.1.2變量的存儲類型
2.1.3變量的測量尺度
2.2數據的統計描述與參數估計
2.2.1連續變量的統計描述
2.2.2連續變量的參數估計
2.2.3分類變量的統計描述和參數估計
2.2.4統計圖形體系
2.3常用假設檢驗方法
2.3.1假設檢驗的基本原理
2.3.2單變量假設檢驗方法
2.3.3雙變量假設檢驗方法
2.4多變量模型
2.4.1方差分析／一般線性模型
2.4.2廣義線性模型和混合線性模型
2.4.3回歸模型
2.4.4其他常見模型
2.5多元統計分析模型
2.5.1 信息濃縮
2.5.2變量問內在關聯結構的探討
2.5.3數據分類
2.5.4分析元素間的關聯
2.6智能統計分析／數據挖掘方法
2.6.1樹模型
2.6.2神經網絡
2.6.3支持向量機
2.6.4貝葉斯網絡
2.6.5最近鄰元素分析
2.6.6關聯規則與序列分析
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
3.2.1 SPSS的基本操作界面
3.2.2數據準備
3.3問卷數據分析
3.3.1生成頻數表
3.3.2計算均值
3.3.3對多選題進行描述
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
4.1.1項目背景
4.1.2分析思路
4.2問卷錄入
4.2.1開放題的定義
4.2.2單選題的定義
4.2.3多選題的定義
4.3問卷質量校驗
4.3.1去除重復記錄
4.3.2發現異常值
4.3.3邏輯校驗
4.4問卷數據分析
4.4.1 問卷加權
4.4.2業務分析
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
5.1.1 IBM SPSS Modeler的界面
5.1.2 IBM SPSS Modeler的架構與產品構成
5.2 IBM SPSS Modeler相關操作與技巧
5.2.1 IBM SPSS Modeler的基本操作
5.2.2 IBM SPSS Modeler中的表達式
5.2.3 IBM SPSS Modeler的若干使用技巧
5.3 IBM SPSS Modeler功能介紹
5.3.1數據整理案例
5.3.2探索性數據分析案例
5.3.3建立模型、模型檢驗與模型應用案例
5.4案例分析：藥物選擇決策支持
5.4.1背景介紹
5.4.2數據說明
5.4.3商業理解
5.4.4數據理解
5.4.5數據準備
5.4.6模型建立和評估
5.4.7模型發布
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章酸奶飲料新產品口味測試研究案例
6.1案例背景
6.1.1研究項目概況
6.1.2分析思路與商業理解
6.2數據理解
6.2.1研究設計框架復查
6.2.2均值的列表描述
6.2.3均值的圖形描述
6.3不同品牌的評分差異分析
6.3.1單因素方差分析模型簡介
6.3.2 品牌作用的總體檢驗
6.3.3組間兩兩比較
6.3.4方差齊性檢驗
6.4兩因素方差分析模型分析
6.4.1兩因素方差分析模型簡介
……
第三部分信息濃縮、分類與感知圖呈現
第四部分數據挖掘案例精選
附 錄
參考文獻
后記

截尾均數（Trimmed Mean）：由于均數較易受極端值的影響，因此可以考慮按照一定比例去掉兩端的數據，然后再計算均數。如果截尾均數和原均數相差不大，則說明數據不存在極端值，或者兩側極端值的影響正好抵消。常用的截尾均數有5％截尾均數，即兩端各去掉5％的數據。
其他集中趨勢描述指標：除了上述最常用的幾種指標外，還會遇到眾數、調和均數等，前者是指樣本數據中出現頻次最大的那個數字，后者是指觀察值X倒數之均數的倒數，這些指標的實際應用都比較少見。
2.離散趨勢的描述指標
顯然，僅僅反映數據的集中趨勢是遠遠不夠的，還要反映數據的離散趨勢，即數據的波動范圍，描述該趨勢的統計量稱為尺度統計量（Scale Statistic），常用的尺度統計量有標準差、方差、四分位間距等。
全距（Range）：全距又稱為極差，即一組數據中最大值與最小值之差，它是最簡單的變異指標，但因其過于簡單，因此一般只用于預備性檢查。
方差（Variance）和標準差（Standard Deviation）：總體和樣本的標準差分別用σ和s來表示，方差即標準差的平方，這兩個指標是應用最廣泛的離散程度描述指標，由于標準差和方差的計算利用到每個原始變量值，所以它們反映的信息在離散指標中是最全的，因此也是最理想、最可靠的變異描述指標。但也正是由于標準差和方差的計算用到每一個變量值，所以它們會受到極端值的影響，當數據中有較明顯的極端值時不宜使用。實際上，方差和標準差的適用范圍應當是服從正態分布的數據。
百分位數、四分位數與四分位間距：百分位數（Percentile）是一種位置指標，用Px表示。一個百分位數Px將一組觀察值分為兩部分，理論上有x％的觀察值比它小，有（100—x）％的觀察值比它大。前面學習過的中位數實際上就是一個特定的百分位數，即P50。除中位數外，常用的百分位數還有四分位數，即P25、P50和P75分位數的總稱。這3個分位數正好能夠將總體單位按標志值的大小等分為四部分，且P25和P75這兩個分位數間包括中間50％的觀察值，因此四分位間距既排除了兩側極端值的影響，又能夠反映較多數據的離散程度，它是當方差、標準差不適用時較好的離散程度描述指標。
變異系數（Coefficient of Variation）：當需要比較兩組數據離散程度大小的時候，如果兩組數據的測量尺度相差太大，或者數據量綱不同，直接使用標準差來進行比較不合適，此時就應當消除測量尺度和量綱的影響，而變異系數可以做到這一點，它是標準差與其平均數的比。CV顯然沒有量綱，同時又按照其均數大小進行了標準化，這樣就可以進行客觀比較了。