胸有成竹！数据分析的SAS EG进阶

第1章  数据分析方法概述 1<br>1.1　数据分析概述 2<br>1.1.1　数据分析过程 2<br>1.1.2　数据分析的商业驱动 3<br>1.2　数据分析与挖掘方法分类介绍 5<br>1.2.1　描述性——无监督的学习 7<br>1.2.2　预测性——有监督的学习 10<br>1.3　数据分析的方法论 12<br>1.3.1　数据挖掘的项目管理方法论：CRISP-DM 13<br>1.3.2　数据整理与建模的方法论：SEMMA 14<br>1.3.3  SAS EG任务菜单编排与SEMMA之间的关系 16<br>第2章  描述数据特征 18<br>2.1　认识数据类型 19<br>2.2　单变量描述统计方法 20<br>2.2.1　分类变量的描述 21<br>2.2.2　连续变量的描述 21<br>2.3　创建频数报表 31<br>2.4　生成汇总统计量 33<br>2.5　用汇总表任务生成汇总报表 35<br>2.6　绘制条形图 37<br>2.7　绘制地图 41<br>第3章  描述性数据分析/挖掘方法 45<br>3.1　客户细分方法介绍 46<br>3.1.1　客户细分的意义 46<br>3.1.2　根据客户利润贡献进行划分 47<br>3.1.3　根据个人或公司的生命历程进行划分 48<br>3.1.4　根据客户的产品偏好进行划分 49<br>3.1.5　根据客户交易/消费行为进行划分 50<br>3.1.6　根据客户的多维行为属性细分 51<br>3.1.7　展现客户/产品结构的战略细分 51<br>3.1.8　客户细分：综合运用 52<br>3.2  连续变量间关系探索与变量约减 52<br>3.2.1  多元统计基础 52<br>3.2.2  多元变量压缩的思路 56<br>3.2.3  主成分分析 58<br>3.2.4　因子分析 66<br>3.3  聚类分析 72<br>3.3.1  基本逻辑 74<br>3.3.2  系统聚类 74<br>3.3.3  快速聚类 81<br>第4章  预测性数据分析方法 87<br>4.1　构造对连续变量的预测模型 88<br>4.1.1  方差分析（ANOVA） 88<br>4.1.2　线性回归 99<br>4.1.3  线性回归的模型诊断 111<br>4.2  构造对二分类变量的预测模型 119<br>4.2.1  分类变量之间的相关性检验 119<br>4.2.2  逻辑回归 123<br>4.3  数据挖掘流程及示例 135<br>第5章  时间序列 143<br>5.1  认识时间序列和趋势分解法 144<br>5.2  平稳时间序列（ARMA）模型设定与识别 147<br>5.2.1  平稳时间序列定义 147<br>5.2.2  平稳时间序列模型建模 148<br>5.2.3  ARMA的模型设定与识别 148<br>5.3  非平稳时间序列（ARIMA）模型 152<br>5.4  时间序列建模步骤 153<br>附录A  数据说明 160<br>附录B  CDA（注册数据分析师）致力于最好的数据分析人才建设 167<br>参考文献<br>