统计讲座（数据准备-基础分析-高级分析）公安-lihui文档.pptVIP

CHAID的操作步骤 建立AnswerTree项目 指定CHAID分类树 规定目标变量和预测变量 设定预测变量的测量等级，非数量型变量可预先合并分类。 规定树状结构的水平数。 指定节点包含的最小样本数量。 自动生成分类树。 考察分类树的结构。 分析Gain Table. 分析错误分类风险比。 重新设定分类树参数。 生成SQL语言，将样本归类。 结构方程式的基本模型 结构方程式模型假定在一组潜在变量中存在因果关系，这些潜在变量可以分别用一组可观测的变量表示。假设的模型通常包括某个基本线性回归模型和很多观测变量，而这个基本的线性回归模型应该是一组潜在变量的结构关系模型。这一组潜在变量分别是那些观测变量中的某几个的线性组合。 结构模型方程式模型的路径图 结构方程式模型就是一个由许多观测变量、潜在变量、残差和误差项相互作用的复杂体系。 市场销量预测和决策模型 Decision Time What if 时间 历史销售量数据 其它因素：促销+广告+突发事件+季节+竞争对手策略 预测销售量 数据挖掘Data Mining 简单就是美…！！！ 谢谢大家！ SPSS: 简单、易用，界面友好，使用的方法和模型都经过长期的检验，都比较经典。但是，很多应用被分解成若干模块，单独计费，例如：AnswerTree（决策树），Amos（结构方程模型），What if?，等等。 SAS: 大型的数据库软件，比较灵活，可以由专门的统计人员编写分析过程，近年来也开发出很多标准模型的友好界面，目前被很多企业在大型应用中使用。专门的模块包括Marketing Research（包括Conjoint、Correspondence、Discrete choice、Multidimensional Scaling和MDPREF）、Enterprise Mining（数据挖掘）、Investment Analysis，等。 Nominal：名义变量Ordinal：序次变量 Interval：间隔变量 一元线性回归：用于根据一个自变量的变化来预测一个因变量。 自变量、因变量都是定距变量。 因子轴的正交化旋转， 目的：降维 后期应用：生成的主成分变量可以用于更多的应用。 因子分析：分为共因子和个性因子 判别分析：已知类别，根据分类变量构造判别函数，判断已知类别是否准确， Euclidean distance model Dimension 1 2 1 0 -1 -2 -3 Dimension 2 1.5 1.0 .5 0.0 -.5 -1.0 -1.5 -2.0 北京申办2008年奥运会 两岸关系 中国能否加入世贸组织 国营和集体企业改组、 依法治国 教育体制改革 打假 澳门回归 行业不正之风 土地承包政策不变 乱收费 农村脱贫致富 水灾后重建 农村村务公开、民主选举 减轻农民负担 反腐败 环境保护 亚洲金融危机会否波及 人民币是否贬值 养老保险 社会治安 下岗再就业 物价涨跌 医疗改革 住房货币化改革 多维尺度分析MDS 个人利益 国家利益 农民利益 社会利益 对维尺度分析-Multidimensional Scaling 在市场研究领域主要研究消费者的态度，衡量消费者的知觉及偏好。涉及的研究对象非常广泛，例如：汽车、洗头水、饮料、快餐食品、香烟和国家、企业品牌、政党候选人等。通过MDS分析能够为市场研究提供有关消费者的知觉和偏好信息。 主要借助计算机统计分析软件，输入有关消费者对事物的知觉或偏好数据，转换为一组对象或对象特征构成的多维空间知觉或偏好图——感知图。 应用MDS，收集的数据值大小必须能够反应两个研究对象的相似性或差异性程度。这种数据叫做邻近。 所有研究对象的邻近数据可以用一个邻近矩阵表示。 反映邻近的测量方式： 相似性-数值越大对应着研究对象越相似。 差异性-数值越大对应着研究对象越不相似。 两个地点（位置）之间的实际距离。（测量差异性） 两个产品之间相似性或差异性的消费者心理测量。 两个变量的相关性测量。（相关系数测量相似性） 从一个对象过渡到另一个对象的转换概率。例如概率反应了消费者对品牌或产品偏好的变化。（测量相似性） 反映两种事物在一起的程度。例如：用早餐人们经常将两种食品搭配在一起。（测量相似性） 多维判别分析 Multiple Discrimination Analysis MDA 判别函数2 判别函数1 -1 -2 1 2 3 0 -1 -2 1 2 -3 价格水平 交货速度 产品质量 销售力度 价格弹性 总体服务 制造商形象 新用户 犹豫/转移用户 重复购买用户 判别分析是一种进行统计判别和分类的统计技术手段。它可以就一定数量的个体的一个分类变量和相应的其它多元变量的已知信息，确定分