IBM SPSS数据分析实战案例精粹(第2版)

\\\\\\\"《IBM SPSS数据分析实战案例精粹(第2版)》以IBM SPSS Statistics 24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，详细讲解了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限制，真正聚集于对数据分析精髓的领悟。本书还一并提供案例数据的下载，读者可完整重现全部的分析内容。 《IBM SPSS数据分析实战案例精粹(第2版)》适合从初学者到专家各个级别的数据分析人士阅读，包括需要提升实战能力的数据分析专业人士，在市场营销、金融、财务、人力资源管理中需要应用数据分析的人士，从事咨询、科研等工作的专业人士，同时也可以作为各专业的本科和研究生学习数据分析应用的参考书。 \\\\\\\"

\\\\\\\"张文彤 上海昊鲲企业管理咨询有限公司合伙人 复旦大学统计学博士，定量分析建模和数据挖掘专家 中国知名的SPSS专家之一，共出版过十余本统计分析和数据挖掘教材 具有丰富的数据挖掘经验、统计理论与市场研究成功结合的应用经验，服务过的客户包括沃尔玛、联合利华、欧莱雅、YUM、松下等 \\\\\\\"

目 录 第1部分 SPSS数据分析基础 第1章 数据分析方法体系简介 3 1.1 数据分析方法论概述 3 1.1.1 严格设计支持下的统计方法论 3 1.1.2 半试验研究支持下的统计方法论 4 1.1.3 偏智能化、自动化分析的数据挖掘应用方法论 5 1.2 统计软件中的数据存储格式 6 1.2.1 二维数据表 7 1.2.2 变量的存储类型 7 1.2.3 变量的测量尺度 8 1.3 数据的统计描述与参数估计 9 1.3.1 连续变量的统计描述 9 1.3.2 连续变量的参数估计 12 1.3.3 分类变量的统计描述和参数估计 14 1.3.4 统计图形体系 17 1.4 常用假设检验方法 20 1.4.1 假设检验的基本原理 21 1.4.2 单变量假设检验方法 22 1.4.3 双变量假设检验方法 24 1.5 多变量模型 28 1.5.1 方差分析模型/一般线性模型 28 1.5.2 广义线性模型和混合线性模型 29 1.5.3 回归模型 30 1.5.4 其他常见模型 33 1.6 多元统计分析模型 35 1.6.1 信息浓缩 35 1.6.2 变量组之间内在关联结构的探讨 35 1.6.3 对数据分类 36 1.6.4 分析各元素间的关联 38 1.7 智能统计分析方法/数据挖掘方法 39 1.7.1 树模型 39 1.7.2 神经网络 40 1.7.3 支持向量机 41 1.7.4 最近邻元素分析 41 1.7.5 关联规则与序列分析 41 第2章 顾客售后满意度监测项目 43 2.1 案例背景 43 2.2 数据文件的读入与变量整理 44 2.2.1 了解SPSS的基本操作界面 44 2.2.2 进行数据准备 46 2.3 问卷数据分析 50 2.3.1 生成频数表 50 2.3.2 计算均值 51 2.3.3 对多选题进行描述 52 2.4 项目总结和讨论 53 第3章 会员购买习惯调查 54 3.1 案例背景 54 3.1.1 项目背景 54 3.1.2 分析思路 56 3.2 问卷录入 56 3.2.1 开放题的定义 56 3.2.2 单选题的定义 57 3.2.3 多选题的定义 57 3.3 问卷质量校验 59 3.3.1 去除重复记录 59 3.3.2 发现异常值 61 3.3.3 逻辑校验 62 3.4 问卷数据分析 64 3.4.1 问卷加权 64 3.4.2 业务分析 68 3.5 项目总结和讨论 69 第4章 基于背景资料的病例对照匹配 71 4.1 案例背景 71 4.2 数据清理 72 4.2.1 数据错误的发现 72 4.2.2 数据错误的更正 76 4.3 数据理解 77 4.4 利用文件合并功能进行案例匹配 80 4.5 利用Python插件直接进行匹配 81 4.5.1 倾向得分匹配 82 4.5.2 个案控制匹配 84 4.6 项目总结和讨论 86 第5章 北京地区雾霾变化趋势分析 87 5.1 案例背景 87 5.1.1 项目背景 87 5.1.2 分析思路 88 5.2 数据准备 89 5.2.1 读入csv格式的数据文件 89 5.2.2 合并数据文件 91 5.2.3 筛选所需数据 93 5.3 数据理解 94 5.3.1 数据分布状况 94 5.3.2 缺失值分布状况 95 5.3.3 考察逐月数据趋势 96 5.4 雾霾变化基本趋势的分析 97 5.4.1 整体平均水平的比较 97 5.4.2 重点考察秋冬季的数据 99 5.4.3 进一步分析爆表天数变化趋势 100 5.5 进一步展现历史波动趋势 101 5.5.1 逐月平均数据的提取 101 5.5.2 建模前的数据准备 102 5.5.3 用季节分解提取长期趋势 104 5.6 项目总结和讨论 107 第2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 111 6.1 案例背景 111 6.1.1 研究项目概况 111 6.1.2 分析思路/商业理解 112 6.2 数据理解 113 6.2.1 研究设计框架复查 113 6.2.2 均值的列表描述 114 6.2.3 均值的图形描述 115 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 116 6.3.1 单因素方差分析模型简介 117 6.3.2 对品牌的作用进行总体检验 118 6.3.3 组间两两比较 120 6.3.4 对模型适用条件的考察：方差齐性检验 122 6.4 用两因素方差分析模型进行分析 123 6.4.1 两因素方差分析模型简介 123 6.4.2 拟合包括交互项的饱和模型 125 6.4.3 拟合只包含主效应的模型 125 6.4.4 组间两两比较 127 6.4.5 尝试将城市指定为随机因素进行分析 128 6.5 分析结论与讨论 130 6.5.1 分析结论 130 6.5.2 Benchmark：用还是不用 131 第7章 偏态分布的激素水平影响因素分析 132 7.1 案例背景 132 7.1.1 研究项目概况 132 7.1.2 分析思路/商业理解 133 7.2 数据理解 133 7.2.1 单变量描述 133 7.2.2 变量关联探索 136 7.3 对因变量变量变换后建模分析 141 7.3.1 常见的变量变换方法 141 7.3.2 本案例的具体操作 142 7.4 秩变换分析 145 7.5 利用Cox模型进行分析 146 7.5.1 Cox回归模型的基本原理 147 7.5.2 本案例的具体操作 148 7.6 项目总结与讨论 150 7.6.1 分析结论 150 7.6.2 八仙过海，谁为独尊 150 第8章 某车企汽车年销量预测 152 8.1 案例背景 152 8.1.1 研究项目概况 152 8.1.2 分析思路/商业理解 153 8.2 数据理解 154 8.3 变量变换后的线性回归 156 8.3.1 线性回归模型简介 156 8.3.2 变量变换后拟合线性回归模型 158 8.3.3 模型拟合效果的判断 160 8.3.4 存储预测值和区间估计值 162 8.4 曲线拟合 163 8.4.1 用曲线估计过程同时拟合多个曲线模型 163 8.4.2 模型拟合效果的判断 166 8.4.3 模型的预测 167 8.5 利用非线性回归进行拟合 168 8.5.1 模型简介 168 8.5.2 构建分段回归模型 169 8.5.3 不同模型效果的比较 171 8.6 项目总结与讨论 172 8.6.1 分析结论 172 8.6.2 行走在理想与现实之间 173 第9章 脑外伤急救后迟发性颅脑损伤影响因素分析 174 9.1 案例背景 174 9.1.1 研究项目概况 174 9.1.2 分析思路/商业理解 175 9.2 数据理解 176 9.2.1 变量关联的图表描述 176 9.2.2 变量关联的单变量检验 178 9.3 构建二分类Logistic回归模型 181 9.3.1 模型简介 181 9.3.2 初步尝试建模 183 9.3.3 构建最终模型 188 9.4 利用树模型发现交互项 189 9.4.1 模型简介 190 9.4.2 进行树模型分析 192 9.5 使用广义线性过程进行分析 195 9.5.1 模型简介 195 9.5.2 构建仅包括主效应的模型 196 9.5.3 在模型中加入交互项 199 9.6 项目总结与讨论 200 9.6.1 分析结论 200 9.6.2 尺有所短，寸有所长 201 第10章 中国消费者信心指数影响因素分析 202 10.1 案例背景 202 10.1.1 项目背景 202 10.1.2 项目问卷 203 10.1.3 分析思路/商业理解 206 10.2 数据理解 207 10.2.1 图形考察时间、地域对信心 指数的影响 207 10.2.2 图形考察性别、职业、婚姻 状况等对信心指数的影响 209 10.2.3 图形考察年龄对信心指数的 影响 210 10.3 标准GLM框架下的建模分析 211 10.3.1 建立总模型 211 10.3.2 两两比较的结果 214 10.4 多元方差分析模型的结果 215 10.4.1 模型简介 216 10.4.2 拟合多元方差分析模型 217 10.5 最优尺度回归 223 10.5.1 方法简介 224 10.5.2 利用最优尺度回归进行 分析 225 10.6 多水平模型框架下的建模分析 228 10.6.1 模型简介 229 10.6.2 针对时间拟合多水平模型 230 10.7 项目总结与讨论 235 10.7.1 分析结论 235 10.7.2 什么时候应当运用复杂模型 来建模 236 第3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 239 11.1 案例背景 239 11.1.1 研究项目概况 239 11.1.2 分析思路/商业理解 241 11.2 数据理解 241 11.2.1 单变量描述 241 11.2.2 变量关联探索 242 11.3 利用因子分析进行信息浓缩 243 11.3.1 模型简介 243 11.3.2 因子分析的具体操作 245 11.4 基于因子分析结果进行市场细分 251 11.4.1 不同婚姻状况受访者的 差异 251 11.4.2 不同品牌保健品使用者的 因子偏好差异 253 11.5 项目总结与讨论 255 11.5.1 研究结论 255 11.5.2 因子分析的结果就是 一切吗 255 第12章 全国房地产价格指数的 估算 257 12.1 案例背景 257 12.1.1 研究项目概况 257 12.1.2 分析思路 258 12.2 计算平均值进行回归预测 259 12.2.1 计算平均值 259 12.2.2 进行回归估计 259 12.2.3 导出模型代码用于预测 260 12.3 提取主成分进行回归预测 261 12.3.1 提取主成分 261 12.3.2 进行主成分回归预测 263 12.4 利用自动线性建模过程预测 265 12.5 项目总结与讨论 266 第13章 1988年汉城奥运会男子 十项全能成绩分析 267 13.1 案例背景 267 13.1.1 项目概况 267 13.1.2 分析思路/商业理解 268 13.2 数据理解 269 13.2.1 单变量描述 269 13.2.2 变量关联探索 269 13.2.3 尝试初步建模 270 13.3 利用因子分析进行信息浓缩 272 13.3.1 初步分析 272 13.3.2 因子旋转 274 13.3.3 继续寻找更好的分析结果 276 13.3.4 结果存储/发布 277 13.4 主成分回归 278 13.5 将主成分回归方程还原回原始 变量的形式 280 13.6 项目总结与讨论 280 13.6.1 研究结论 280 13.6.2 因子的方差解释比例有 实际意义吗 281 第14章 生活形态问卷的信效度分析 及改进 282 14.1 案例背景 282 14.1.1 项目概况 282 14.1.2 分析思路/商业理解 284 14.2 问卷的效度分析 285 14.2.1 信效度理论简介 285 14.2.2 用因子分析考察问卷效度 286 14.3 问卷的信度分析与优化 291 14.3.1 用极端组比较方式发现 弱关联题项 291 14.3.2 信度分析 293 14.4 项目总结与讨论 295 第15章 打败SARS 296 15.1 案例背景 296 15.1.1 研究项目概况 296 15.1.2 分析思路/商业理解 299 15.2 数据理解与数据准备 300 15.2.1 消费者关注的信息 300 15.2.2 突发事件保险产品购买 倾向 302 15.2.3 未来消费者生活方式的 变化 304 15.3 “非典”信息关注倾向的多维偏好 分析 306 15.3.1 模型简介 306 15.3.2 多维偏好分析的SPSS操作 界面介绍 307 15.3.3 尝试初步建模 309 15.3.4 引入更多的背景变量 312 15.4 突发事件险种购买倾向的多重 对应分析 315 15.4.1 模型简介 315 15.4.2 简单对应分析 317 15.4.3 多重对应分析 321 15.5 “非典”对未来生活方式的影响 326 15.5.1 采用多维偏好分析进行 初步探索 326 15.5.2 换用因子分析进行信息 汇总 328 15.6 项目总结与讨论 332 15.6.1 研究结论 332 15.6.2 对多维偏好分析等信息浓缩 方法本质的讨论 333 第16章 住院费用影响因素挖掘 336 16.1 案例背景 336 16.1.1 项目概况 336 16.1.2 分析思路/商业理解 339 16.2 数据理解与数据准备 340 16.2.1 费用数据分布 341 16.2.2 变量合并 342 16.2.3 极端值清理 343 16.2.4 病种分布考察 343 16.2.5 变量变换 344 16.3 采用聚类分析寻找费用类型 345 16.3.1 考虑用因子分析汇总信息 345 16.3.2 聚类分析方法简介 347 16.3.3 对费用数据进行聚类分析 349 16.4 住院费用影响因素的神经网络 分析 352 16.4.1 模型简介 353 16.4.2 初步尝试用神经网络建模 355 16.4.3 对年龄离散化后重新建模 360 16.4.4 构建双因变量神经网络 362 16.4.5 进一步寻找更清晰的结果 解释 364 16.5 不同疗法疗效与费用比较的神经 网络分析 365 16.5.1 生成工作用数据集 365 16.5.2 进行神经网络的建模预测 367 16.5.3 模型预测值的比较 369 16.6 项目总结与讨论 370 16.6.1 研究结论 370 16.6.2 如何在数据挖掘方法体系 和经典方法体系之间进行 取舍 372 附录 Python插件和R插件的安装方法 374 参考文献 377