IBM SPSS數(shù)據(jù)分析實(shí)戰(zhàn)案例精粹（第2版）

第1部分  SPSS數(shù)據(jù)分析基礎(chǔ)
第1章  數(shù)據(jù)分析方法體系簡(jiǎn)介  3
1.1  數(shù)據(jù)分析方法論概述  3
1.1.1  嚴(yán)格設(shè)計(jì)支持下的統(tǒng)計(jì)方法論  3
1.1.2  半試驗(yàn)研究支持下的統(tǒng)計(jì)方法論  4
1.1.3  偏智能化、自動(dòng)化分析的數(shù)據(jù)挖掘應(yīng)用方法論  5
1.2  統(tǒng)計(jì)軟件中的數(shù)據(jù)存儲(chǔ)格式  6
1.2.1  二維數(shù)據(jù)表  7
1.2.2  變量的存儲(chǔ)類(lèi)型  7
1.2.3  變量的測(cè)量尺度  8
1.3  數(shù)據(jù)的統(tǒng)計(jì)描述與參數(shù)估計(jì)  9
1.3.1  連續(xù)變量的統(tǒng)計(jì)描述  9
1.3.2  連續(xù)變量的參數(shù)估計(jì)  12
1.3.3  分類(lèi)變量的統(tǒng)計(jì)描述和參數(shù)估計(jì)  14
1.3.4  統(tǒng)計(jì)圖形體系  17
1.4  常用假設(shè)檢驗(yàn)方法  20
1.4.1  假設(shè)檢驗(yàn)的基本原理  21
1.4.2  單變量假設(shè)檢驗(yàn)方法  22
1.4.3  雙變量假設(shè)檢驗(yàn)方法  24
1.5  多變量模型  28
1.5.1  方差分析模型/一般線性模型  28
1.5.2  廣義線性模型和混合線性模型  29
1.5.3  回歸模型  30
1.5.4  其他常見(jiàn)模型  33
1.6  多元統(tǒng)計(jì)分析模型  35
1.6.1  信息濃縮  35
1.6.2  變量組之間內(nèi)在關(guān)聯(lián)結(jié)構(gòu)的探討  35
1.6.3  對(duì)數(shù)據(jù)分類(lèi)  36
1.6.4  分析各元素間的關(guān)聯(lián)  38
1.7  智能統(tǒng)計(jì)分析方法/數(shù)據(jù)挖掘方法  39
1.7.1  樹(shù)模型  39
1.7.2  神經(jīng)網(wǎng)絡(luò)  40
1.7.3  支持向量機(jī)  41
1.7.4  近鄰元素分析  41
1.7.5  關(guān)聯(lián)規(guī)則與序列分析  41
第2章  顧客售后滿(mǎn)意度監(jiān)測(cè)項(xiàng)目  43
2.1  案例背景  43
2.2  數(shù)據(jù)文件的讀入與變量整理  44
2.2.1  了解SPSS的基本操作界面  44
2.2.2  進(jìn)行數(shù)據(jù)準(zhǔn)備  46
2.3  問(wèn)卷數(shù)據(jù)分析  50
2.3.1  生成頻數(shù)表  50
2.3.2  計(jì)算均值  51
2.3.3  對(duì)多選題進(jìn)行描述  52
2.4  項(xiàng)目總結(jié)和討論  53
第3章  會(huì)員購(gòu)買(mǎi)習(xí)慣調(diào)查  54
3.1  案例背景  54
3.1.1  項(xiàng)目背景  54
3.1.2  分析思路  56
3.2  問(wèn)卷錄入  56
3.2.1  開(kāi)放題的定義  56
3.2.2  單選題的定義  57
3.2.3  多選題的定義  57
3.3  問(wèn)卷質(zhì)量校驗(yàn)  59
3.3.1  去除重復(fù)記錄  59
3.3.2  發(fā)現(xiàn)異常值  61
3.3.3  邏輯校驗(yàn)  62
3.4  問(wèn)卷數(shù)據(jù)分析  64
3.4.1  問(wèn)卷加權(quán)  64
3.4.2  業(yè)務(wù)分析  68
3.5  項(xiàng)目總結(jié)和討論  69
第4章  基于背景資料的病例對(duì)照匹配  71
4.1  案例背景  71
4.2  數(shù)據(jù)清理  72
4.2.1  數(shù)據(jù)錯(cuò)誤的發(fā)現(xiàn)  72
4.2.2  數(shù)據(jù)錯(cuò)誤的更正  76
4.3  數(shù)據(jù)理解  77
4.4  利用文件合并功能進(jìn)行案例匹配  80
4.5  利用Python插件直接進(jìn)行匹配  81
4.5.1  傾向得分匹配  82
4.5.2  個(gè)案控制匹配  84
4.6  項(xiàng)目總結(jié)和討論  86
第5章  北京地區(qū)霧霾變化趨勢(shì)分析  87
5.1  案例背景  87
5.1.1  項(xiàng)目背景  87
5.1.2  分析思路  88
5.2  數(shù)據(jù)準(zhǔn)備  89
5.2.1  讀入csv格式的數(shù)據(jù)文件  89
5.2.2  合并數(shù)據(jù)文件  91
5.2.3  篩選所需數(shù)據(jù)  93
5.3  數(shù)據(jù)理解  94
5.3.1  數(shù)據(jù)分布狀況  94
5.3.2  缺失值分布狀況  95
5.3.3  考察逐月數(shù)據(jù)趨勢(shì)  96
5.4  霧霾變化基本趨勢(shì)的分析  97
5.4.1  整體平均水平的比較  97
5.4.2  重點(diǎn)考察秋冬季的數(shù)據(jù)  99
5.4.3  進(jìn)一步分析爆表天數(shù)變化趨勢(shì)  100
5.5  進(jìn)一步展現(xiàn)歷史波動(dòng)趨勢(shì)  101
5.5.1  逐月平均數(shù)據(jù)的提取  101
5.5.2  建模前的數(shù)據(jù)準(zhǔn)備  102
5.5.3  用季節(jié)分解提取長(zhǎng)期趨勢(shì)  104
5.6  項(xiàng)目總結(jié)和討論  107
第2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  111
6.1  案例背景  111
6.1.1  研究項(xiàng)目概況  111
6.1.2  分析思路/商業(yè)理解  112
6.2  數(shù)據(jù)理解  113
6.2.1  研究設(shè)計(jì)框架復(fù)查  113
6.2.2  均值的列表描述  114
6.2.3  均值的圖形描述  115
6.3  用方差分析模型考察同一城市內(nèi)不同品牌的評(píng)分差異  116
6.3.1  單因素方差分析模型簡(jiǎn)介  117
6.3.2  對(duì)品牌的作用進(jìn)行總體檢驗(yàn)  118
6.3.3  組間兩兩比較  120
6.3.4  對(duì)模型適用條件的考察：方差齊性檢驗(yàn)  122
6.4  用兩因素方差分析模型進(jìn)行分析  123
6.4.1  兩因素方差分析模型簡(jiǎn)介  123
6.4.2  擬合包括交互項(xiàng)的飽和模型  125
6.4.3  擬合只包含主效應(yīng)的模型  125
6.4.4  組間兩兩比較  127
6.4.5  嘗試將城市指定為隨機(jī)因素進(jìn)行分析  128
6.5  分析結(jié)論與討論  130
6.5.1  分析結(jié)論  130
6.5.2  Benchmark：用還是不用  131
第7章  偏態(tài)分布的激素水平影響因素分析  132
7.1  案例背景  132
7.1.1  研究項(xiàng)目概況  132
7.1.2  分析思路/商業(yè)理解  133
7.2  數(shù)據(jù)理解  133
7.2.1  單變量描述  133
7.2.2  變量關(guān)聯(lián)探索  136
7.3  對(duì)因變量變量變換后建模分析  141
7.3.1  常見(jiàn)的變量變換方法  141
7.3.2  本案例的具體操作  142
7.4  秩變換分析  145
7.5  利用Cox模型進(jìn)行分析  146
7.5.1  Cox回歸模型的基本原理  147
7.5.2  本案例的具體操作  148
7.6  項(xiàng)目總結(jié)與討論  150
7.6.1  分析結(jié)論  150
7.6.2  八仙過(guò)海，誰(shuí)為獨(dú)尊  150
第8章  某車(chē)企汽車(chē)年銷(xiāo)量預(yù)測(cè)  152
8.1  案例背景  152
8.1.1  研究項(xiàng)目概況  152
8.1.2  分析思路/商業(yè)理解  153
8.2  數(shù)據(jù)理解  154
8.3  變量變換后的線性回歸  156
8.3.1  線性回歸模型簡(jiǎn)介  156
8.3.2  變量變換后擬合線性回歸模型  158
8.3.3  模型擬合效果的判斷  160
8.3.4  存儲(chǔ)預(yù)測(cè)值和區(qū)間估計(jì)值  162
8.4  曲線擬合  163
8.4.1  用曲線估計(jì)過(guò)程同時(shí)擬合多個(gè)曲線模型  163
8.4.2  模型擬合效果的判斷  166
8.4.3  模型的預(yù)測(cè)  167
8.5  利用非線性回歸進(jìn)行擬合  168
8.5.1  模型簡(jiǎn)介  168
8.5.2  構(gòu)建分段回歸模型  169
8.5.3  不同模型效果的比較  171
8.6  項(xiàng)目總結(jié)與討論  172
8.6.1  分析結(jié)論  172
8.6.2  行走在理想與現(xiàn)實(shí)之間  173
第9章  腦外傷急救后遲發(fā)性顱腦損傷影響因素分析  174
9.1  案例背景  174
9.1.1  研究項(xiàng)目概況  174
9.1.2  分析思路/商業(yè)理解  175
9.2  數(shù)據(jù)理解  176
9.2.1  變量關(guān)聯(lián)的圖表描述  176
9.2.2  變量關(guān)聯(lián)的單變量檢驗(yàn)  178
9.3  構(gòu)建二分類(lèi)Logistic回歸模型  181
9.3.1  模型簡(jiǎn)介  181
9.3.2  初步嘗試建模  183
9.3.3  構(gòu)建終模型  188
9.4  利用樹(shù)模型發(fā)現(xiàn)交互項(xiàng)  189
9.4.1  模型簡(jiǎn)介  190
9.4.2  進(jìn)行樹(shù)模型分析  192
9.5  使用廣義線性過(guò)程進(jìn)行分析  195
9.5.1  模型簡(jiǎn)介  195
9.5.2  構(gòu)建僅包括主效應(yīng)的模型  196
9.5.3  在模型中加入交互項(xiàng)  199
9.6  項(xiàng)目總結(jié)與討論  200
9.6.1  分析結(jié)論  200
9.6.2  尺有所短，寸有所長(zhǎng)  201
第10章  中國(guó)消費(fèi)者信心指數(shù)影響因素分析  202
10.1  案例背景  202
10.1.1  項(xiàng)目背景  202
10.1.2  項(xiàng)目問(wèn)卷  203
10.1.3  分析思路/商業(yè)理解  206
10.2  數(shù)據(jù)理解  207
10.2.1  圖形考察時(shí)間、地域?qū)π判?nbsp; 指數(shù)的影響  207
10.2.2  圖形考察性別、職業(yè)、婚姻  狀況等對(duì)信心指數(shù)的影響  209
10.2.3  圖形考察年齡對(duì)信心指數(shù)的  影響  210
10.3  標(biāo)準(zhǔn)GLM框架下的建模分析  211
10.3.1  建立總模型  211
10.3.2  兩兩比較的結(jié)果  214
10.4  多元方差分析模型的結(jié)果  215
10.4.1  模型簡(jiǎn)介  216
10.4.2  擬合多元方差分析模型  217
10.5  尺度回歸  223
10.5.1  方法簡(jiǎn)介  224
10.5.2  利用尺度回歸進(jìn)行  分析  225
10.6  多水平模型框架下的建模分析  228
10.6.1  模型簡(jiǎn)介  229
10.6.2  針對(duì)時(shí)間擬合多水平模型  230
10.7  項(xiàng)目總結(jié)與討論  235
10.7.1  分析結(jié)論  235
10.7.2  什么時(shí)候應(yīng)當(dāng)運(yùn)用復(fù)雜模型  來(lái)建模  236