基本信息

• 商品名稱：R語言市場研究分析/數據科學與工程技術叢書
• 作者：(美)克裡斯·查普曼//埃裡亞·麥克唐奈·費特|譯者:林荟
• 代碼：89
• 出版社：機械工業
• ISBN號：9787111549901

其他參考信息

• 出版時間：2016-10-01
• 印刷時間：2016-10-01
• 版次：1
• 印次：1
• 開本：16開
• 包裝：平裝
• 頁數：322

內容提要

《R語言市場研究分析》的作者Chris Chapman(克裡斯·查普曼)是谷歌 用戶體驗定量分析研究員，Ekea McDonnell Feit(埃裡亞·麥克唐奈·費特)曾任美國通用汽車公司分析9幣，他們都有著數十年商業分析從業經驗。本書融合他們多年的實踐心得，以具體實踐為導向，詳細闡述如何將現代統計分析技術應用到市場研究分析，基本涵蓋了從初級數據探索到 數據建模過程中可能用到的各種技術。無論是對普通讀者還是專業市場分析師，本書都是一本 佳指南。
     兩位作者全面介紹了R在市場營銷中的強大功能，注重實際操作，強調數據可視化、模型評估以及統計直覺的培養。書中不僅包含數據探索、回歸模型、購物籃分析等基礎話題，還包括分層模型、市場分組、聯合分析和貝葉斯方法等 話題。對 話題的介紹力求讓所有的分析師都能夠理解並學習到新東西。
     本書從概念上介紹統計學模型，盡量避免復雜的數學理論，著眼於入門級的統計知識，如果你沒有很強的數學基礎但又想學習一些 分析方法，那麼本書將對你大有裨益。對於R新手來說，本書也是一本很好的入門指南。書中既講解了基本的R數據操作，又介紹了一些常用的有效可視化方法，並提供一個應用語境，使得你能夠在應用中學習，極大增強學習效果。
    

作者簡介

林荟：美國杜邦公司商業數據科學家，之前曾任愛荷華州立大學獸醫學院統計咨詢師及商學院統計咨詢師。當選2017～2018美國統計協會市場營銷統計項目 。翻譯出版了《應用預測建模》。研究興趣是預測模型、機器學習、數據可視化、市場營銷調查分析、自然語義處理和文本挖據。個人網頁地址：http://linhui.org。 Elea McDonnell Feit德雷克塞爾大學市場營銷繫的副教授，沃頓消費者分析項目執行主任。她曾在通用汽車公司的產品設計部門和營銷分析公司The Modellers工作，專注於開發新的定量分析方法並付諸實踐。她的研究側重於通過分析客戶數據優化產品設計和廣告決策，尤其是在數據缺失、不匹配或者聚合的情況下。 Chris Chapman 谷歌 用戶體驗定量分析研究員，支持谷歌雲平臺的決策研究，並且為整個公司的定量市場研究提供咨詢。在谷歌之外，Chris是美國營銷協會的營銷洞察委員會 、2015年定向分析會議 、 研究技術論壇(ART論壇)的指導委員會成員和Sawtoottl軟件會議成員，還是多家科研會議和期刊的審稿人。

目錄

中文版序
譯者序
前言
部分 R語言基礎知識
第1章 歡迎使用
1.1 R是什麼
1.2 為什麼用
1.3 為什麼不用
1.4 什麼時候用
1.5 如何使用本書
1.6 關鍵點
第2章 R綜述
2.1 開始
2.2 R用途快速指南
2.3 R命令基礎
2.4 基礎對像
2.5 數據框
2.6 載入和存儲數據
2.7 編寫函數*
2.8 清理
2.9 知識拓展*
2.10 關鍵點
第二部分 數據分析基礎知識
第3章 數據描述
3.1 模擬數據
3.2 關於變量的函數
3.3 概括數據框
3.4 單變量可視化
3.5 知識拓展*
3.6 關鍵點
第4章 連續變量之間的關繫
4.1 零售數據
4.2 用散點圖探索變量間關繫
4.3 把多張圖合並為一張圖
4.4 散點圖矩陣
4.5 相關繫數
4.6 探索問卷調查回復間的相關性*
4.7 知識拓展*
4.8 關鍵點
第5章 組比較：表格和可視化
5.1 模擬客戶分組數據
5.2 各組對應的描述統計量
5.3 知識拓展*
5.4 關鍵點
第6章 組比較：統計檢驗
6.1 用於比較的數據
6.2 頻數檢驗：chisq.test()
6.3 觀測比例檢驗：binom.test()
6.4 組均值檢驗：t.test()
6.5 多組均值檢驗：ANOVA
6.6 初識貝葉斯ANOVA *
6.7 知識拓展*
6.8 關鍵點
第7章 識別結果變量的驅動因子：線性模型
7.1 遊樂場數據
7.2 用lm()函數擬合線性模型
7.3 線性模型
7.4 因子自變量
7.5 交互效應
7.6 避免過度擬合
7.7 建議的線性模型擬合過程
7.8 貝葉斯線性模型：MCMCregress()*
7.9 知識拓展*
7.10 關鍵點
第三部分 營銷應用
第8章 降低數據復雜度
8.1 消費者品牌評分數據
8.2 主成分分析和感知圖
8.3 探索性因子分析
8.4 高維標度化簡介
8.5 知識擴展*
8.6 關鍵點
第9章 線性模型相關的其他話題
9.1 處理高度相關的變量
9.2 二項結果變量的線性模型：邏輯回歸
9.3 分層線性模型
9.4 貝葉斯分層線性模型*
9.5 頻率學派和貝葉斯學派HLM模型的簡單比較*
9.6 知識拓展*
9.7 關鍵點
0章 驗證性因子分析和結構方程模型
10.1 結構模型的出發點
10.2 量級評估：CFA
10.3 一般的模型：結構方程模型
10.4 PLS模型
10.5 知識拓展*
10.6 關鍵點
1章客戶分組：聚類和判別
11.1 客戶分組的思想
11.2 客戶分組數據
11.3 聚類
11.4 判別分析
11.5 預測：識別潛在客戶*
11.6 知識拓展*
11.7 關鍵點
2章 關聯法則：購物籃分析
12.1 基礎關聯法則
12.2 零售交易數據：購物籃
12.3 搜尋並且可視化關聯法則
12.4 非交易數據中的規則：再次探索客戶分組
12.5 知識拓展*
12.6 關鍵點
3章 選擇模型
13.1 基於選擇的聯合問卷調查分析
13.2 模擬選擇數據*
13.3 擬合選擇模型
13.4 在選擇模型中加入消費者個體差異
13.5 分層貝葉斯選擇模型
13.6 基於選擇的聯合問卷調查設計*
13.7 知識拓展*
13.8 關鍵點
結論
附錄A R版本和相關軟件
附錄B 縱向擴展
附錄C 使用的包
附錄D 在線資源和數據文件
參考文獻