SPSS統計分析商用建模與綜合案例精解

SPSS高級建模技術可廣泛應用於商業領域的量化分析。本書的最大特色以精選的商用案例詳解SPSS前沿建模技術在商業領域的綜合應用，以期為通過建模量化分析改善商業運營水準管理，或提升核心競爭力的職場人士閱讀參考。

全書共12章，第1章～第2章介紹SPSS快速入門和建模技術要點，後續各章節均以實際商業應用案例的形式詳解SPSS在商用實踐建模中的應用與分析。建模技術方面，本書系統介紹了神經網路多層感知器、徑向基函數、決策樹等熱門大資料處理建模技術應用，以及SPSS專門用於市場行銷的聯合分析、直銷模組分析等高級專業建模技術應用，也介紹了經典的線性回歸分析、相關分析、因數分析、聚類分析、描述性分析、方差分析、交叉表分析等一般統計建模技術應用；精選的案例都是當下流行熱門的商業運營領域，包括市場調研、市場行銷、客戶滿意度調查、連鎖門店分類管理、乳製品物流配送、客戶關係分級分類維護、務審批、消費者綜合體驗、上市公司估值等。書中每一個案例都以解決實際問題、提升價值貢獻為導向，通過具體案例詳解涉及多種SPSS技術的綜合應用，融會貫通組合應用多種建模技術達到理想分析效果。

本書內容翔實、應用範圍廣泛。一是可供商業運營領域的各類職場人士借鑒參考，無論是高層管理者、決策者、具備多年從業經驗的資深人士，還是基層應用崗位、職場新手，只要在工作中有量化分析的需求，都可通過學習本書舉一反三提高商業運營水準或提升職場競爭力；二是可供高等院校經濟管理類、商業運營類及相關專業專科生、本科生、研究生和MBA學員學習閱讀，也可作為掌握建模技巧以完成畢業設計的學生參考書。

第1章 SPSS快速入門 1
1.1 SPSS軟體的開啟 3
1.2 SPSS軟體的關閉 6
1.3 SPSS資料編輯器 7
1.3.1 SPSS資料編輯器變數視圖 8
1.3.2 SPSS資料編輯器資料視圖 12
1.4 增加新的變數或樣本觀測值 13
1.4.1 在現有資料檔案中增加新的變數 13
1.4.2 在現有資料檔案中增加新的樣本觀測值 14
1.5 變數和樣本觀測值基本操作 14
1.5.1 變數和觀測值的移動、複製和刪除 14
1.5.2 數據轉置 15
1.5.3 變數計算 16
1.6 對資料按照變數或樣本觀測值進行排序 19
1.6.1 對資料按照變數進行排序 19
1.6.2 對資料按照樣本觀測值進行排序 21
1.7 數據查找 22
1.7.1 按照觀測值序號查找儲存格 22
1.7.2 按照變數值查找資料 23
1.8 資料合併 24
1.8.1 按照樣本觀測值合併資料檔案 24
1.8.2 按照變數合併資料檔案 27
1.9 生成新的時間序列 29
1.10 缺失值處理 32
1.11 讀取其他格式的資料檔案 35
1.11.1 讀取Stata資料檔案 36
1.11.2 讀取Excel資料檔案 38
1.11.3 讀取文本資料檔案 41
1.12 SPSS統計分析報告 45
1.13 SPSS説明系統 50

第2章 SPSS建模技術要點介紹 53
2.1 SPSS中的建模技術 53
2.1.1 描述性統計模組 53
2.1.2 比較平均值模組 54
2.1.3 相關分析模組 56
2.1.4 回歸分析模組 57
2.1.5 非參數檢驗分析模組 60
2.1.6 聚類分析模組 61
2.1.7 降維分析模組 62
2.1.8 一般線性模型分析模組 63
2.1.9 廣義線性模型分析模組 64
2.1.10 混合模型分析模組 65
2.1.11 對數線性模型分析模組 66
2.1.12 生存分析模組 67
2.1.13 刻度分析模組 68
2.1.14 貝葉斯統計分析模組 69
2.1.15 直銷模組 70
2.1.16 神經網路模組 71
2.1.17 決策樹模組 72
2.2 建模注意事項 73
2.2.1 建模是為了解決具體的問題 73
2.2.2 有效建模的前提是具備問題領域的專業知識 73
2.2.3 建模之前必須進行資料的準備 74
2.2.4 最終模型的生成在多數情況下並不是一步到位的 74
2.2.5 模型要能夠用來預測，但預測並不僅含有直接預測 75
2.2.6 對模型的評價方面要堅持結果導向和價值導向 76
2.2.7 建立的模型應該是持續動態優化完善的 76
2.3 研究方案設計 77
2.3.1 在明確的研究目的基礎上制定可行的研究計畫 77
2.3.2 根據已制定的研究計畫搜集研究所需要的資料 78
2.3.3 運用資料統計分析軟體對搜集到的資料進行整理 78
2.3.4 使用合適的分析方法和工具對資料進行各種分析 79
2.3.5 分析研究結果並得出研究結論 79
2.4 研究結論與重點回顧 79

第3章 SPSS在電子商務平臺商戶行銷中的應用 80
3.1 建模技術 80
3.2 建模思路 81
3.3 幫助確定我的最佳連絡人（RFM分析） 82
3.3.1 SPSS分析過程 82
3.3.2 結果分析 90
3.4 將我的連絡人分為多個集群分析 92
3.4.1 SPSS分析過程 92
3.4.2 結果分析 95
3.5 生成對產品做出了回應的連絡人的概要 105
3.5.1 SPSS分析過程 106
3.5.2 結果分析 109
3.6 確定回應最多的郵遞區號 111
3.6.1 SPSS分析過程 111
3.6.2 結果分析 115
3.7 選擇最有可能進行採購的連絡人 117
3.7.1 SPSS分析過程 117
3.7.2 結果分析 122
3.8 控制包裹檢驗 128
3.8.1 SPSS分析過程 128
3.8.2 結果分析 131
3.9 研究結論與重點回顧 131

第4章 商業銀行授信客戶信用風險評估 133
4.1 建模技術 133
4.2 建模思路 135
4.3 神經網路多層感知器分析一 135
4.3.1 準備資料以進行分析 135
4.3.2 分析過程 138
4.3.3 結果分析 149
4.4 神經網路多層感知器分析二 157
4.4.1 準備資料以進行分析 157
4.4.2 分析過程 158
4.4.3 結果分析 161
4.5 研究結論與重點回顧 170

第5章 線上旅遊供應商客戶分類建模技術 172
5.1 建模技術 172
5.2 建模思路 174
5.3 神經網路徑向基函數分析一 174
5.3.1 分析過程 175
5.3.2 結果分析 181
5.4 神經網路徑向基函數分析二 187
5.4.1 分析過程 187
5.4.2 結果分析 189
5.5 研究結論與重點回顧 202

第6章 小額快貸大資料審批建模技術 204
6.1 建模技術 204
6.2 建模思路 206
6.3 決策樹分析一 206
6.3.1 分析過程 207
6.3.2 結果分析 227
6.4 決策樹分析二 237
6.4.1 分析過程 238
6.4.2 結果分析 246
6.5 研究結論與重點回顧 262

第7章 汽車消費市場調研建模技術 263
7.1 建模技術 263
7.2 建模思路 265
7.3 研究過程 266
7.3.1 為聯合分析生成計畫檔 266
7.3.2 根據計畫檔以及其他相關因素設計調查問卷 282
7.3.3 進行問卷調查並將所得資料錄入到SPSS中 285
7.3.4 SPSS分析 285
7.4 研究結論與重點回顧 301

第8章 住宅社區訂奶量預測分析建模技術 304
8.1 建模技術 304
8.2 建模思路 307
8.3 使用專家建模器進行批量預測 307
8.3.1 分析前資料準備 308
8.3.2 專家建模器分析過程 311
8.3.3 結果分析 321
8.4 通過應用保存的模型重新進行批量預測 329
8.4.1 專家建模器分析過程 329
8.4.2 結果分析 334
8.5 研究結論與重點回顧 342

第9章 手機遊戲玩家體驗評價影響因素建模分析 343
9.1 建模技術 343
9.2 資料來源 345
9.3 建立模型 346
9.3.1 回歸分析 347
9.3.2 單因素方差分析 357
9.3.3 單因變數多因素方差分析 367
9.4 研究結論與重點回顧 377

第10章 家政行業客戶消費滿意度調研建模技術 378
10.1 建模技術 378
10.2 建模資料來源與分析思路 380
10.3 建模前數據準備 383
10.3.1 資料整理 383
10.3.2 可靠性分析 385
10.3.3 描述性分析 390
10.3.4 相關性分析 393
10.4 建立模型 395
10.4.1 客戶消費滿意度影響因素建模技術 396
10.4.2 客戶消費次數影響因素建模技術 406
10.4.3 客戶推薦次數影響因素建模技術 407
10.5 研究結論與重點回顧 408

第11章 軟體和資訊技術服務業估值建模技術 410
11.1 建模資料來源 410
11.2 建模技術 411
11.3 建模前數據準備 412
11.4 建立模型 419
11.4.1 市盈率口徑估值與業績表現研究 419
11.4.2 市淨率口徑估值與業績表現研究 425
11.5 研究結論與重點回顧 426

第12章 美容連鎖企業按門店特徵分類分析建模技術 427
12.1 建模技術 427
12.2 建模思路 429
12.3 數據準備 429
12.4 因數分析 431
12.4.1 分析過程 431
12.4.2 結果分析 437
12.4.3 圖形分析 440
12.5 聚類分析 442
12.5.1 K均值聚類分析過程 442
12.5.2 K均值聚類結果分析 445
12.5.3 系統聚類分析過程 446
12.5.4 系統聚類結果分析 454
12.6 研究結論與重點回顧 457

張甜,山東大學金融學博士生，金融風險領域研究專家，參與《地方金融運行動態監測及系統性風險預警研究》等多項重大專案，精通SPSS、Stata、R語言，編著有《SPSS統計分析與行業應用案例詳解》 《Stata統計分析與行業應用案例詳解》等暢銷書。
 
楊維忠,山東大學經濟學碩士，CPA，十年商業銀行工作經歷，歷任運營、風控、行銷、內控等多個職位，擅長商務建模，精通SPSS、Stata、EViews，編著有《SPSS資料採擷與案例分析應用實踐》 《Stata統計分析與實驗指導》等近十本暢銷書。