营销精英之SPSS统计分析与Modeler数据挖掘

讲师资历

课程目标

课程大纲

一、课程目标在目前大数据的企业环境与社会趋势中, 通过本课程的系统学习，要求掌握对企业营业数据或调查所取得的原始数据, 可以顺利地整理成为系统的、条理的, 能够反映某一现象特征的统计指标与结果, 并能够通过统计分析结构再应用到实际工作中, 促进企业的量化管理；同时, 需要明确数据库的结构, 数据的录入, 编辑、查错等预处理。最终要求掌握利用 SPSS及其Modeler进行数据处理的操作方法，包括基础方法和高级方法， 并根据需要介绍Amos及Tree的统计分析操作方法, 达到利用不同统计软件进行全系列全方位的数据处理和分析。本方案是营销精英计划的高阶段培训——SPSS数据与定量分析的专项深入课程，将会从知识的连贯性、系统性和与工作结合的实战性着手，通过系列课程的学习和实训活动的演练，力求做到掌握市场调查分析的常用方法和工具， 并为学员对数据分析， 市场调研， 营销活动等量化管理的规范性和专业性打下基础。 二、培训对象     数据分析人士、市场研究人士 、营销与策划人士、企业管理人士等。 三、课程大纲1.基础统计概念：数据类型：分类有序、分类无序、定距、定比等基础概念：正态分布、置信区间、峰值、中值、极差、四分位数、均数、中位数、众数、标准差、方差、全距、标准误、偏度系数和峰度系数等.概念区分：残差/标准误、置信度/置信区间、 参数检验/非参数检验、方差／标准差、 方差／协方差、方差齐／不齐、T检验／F 检验、均值分析Ｔ检验／单或多因素的方差分析、哑变量、标准化、主成份分析／因子分析等。  2.数据准备：企业现有经营数据库的分析、查错、数据变换、数据库合并等； 以及定量调研问卷的编码及其数据库设计，数据库结构，变量定义、数据录入(PCEDIT)、数据库合并、数据库查错。 3.SPSS加权处理：统计数据分析的加权基础（Weight）。 4.SPSS软件与统计分析：练习与应用的软件工具主要以SPSS统计分析 及其Modeler数据挖掘，辅助包括CHAIDWIN、AMOS等特定高级方法研究软件(也可以选修EXCEL)；统计分析内容包括基础统计分析方法、高级统计方法、数据挖掘方法、选讲方法等， 具体包括：1）主讲SPSS基础统计分析：频数（单选与多选）、交叉分析（单选与多选）、均值分析、Person相关分析、T检验、一元与多元方差分析、一元线性回归分析、多元线性回归分析； 2）主讲SPSS及其Modeler的高级统计分析与数据挖掘：非线性回归分析（曲线拟合）、Logit对数线性模型、因子分析、聚类分析、联合分析、多元对应分析、判别分析、时间序列分析、关联规则分析、神经网络分析、市场细分（可选用CHAIDWIN专用软件）、结构方程模型（AMOS专用软件）等。 3）选讲SPSS统计专题：多维尺度分析、最优刻度分析、多维偏好分析、信度分析、马尔可夫链预测分析等。 5.数据的表现SPSS散点图等统计图表的制作，以及可选修EXCEL和POWERPOINT制作及调整优化图形。  四、具体课程规划第一部分  数据准备企业现有经营数据库的分析、查错、数据变换、数据库合并等。同时，介绍定量调研问卷的编码、数据库结构设计、数据预处理等：· 介绍如何对具体问题数据模型化。 · 定量问卷的编码技巧与注意事项。 · 熟悉原始数据的建库原则（可选修专业录入软件PCEDIT），练习根据范围与逻辑控制，设计专业数据录入库。· 范围查错与逻辑查错· 将数据库转换为excel格式与spss格式 。· 合并与拆分数据库。 第二部分  基础统计概念· 主讲基础统计概念：正态分布、置信区间、峰值、中值、众数、极差、标准差等。· 主讲各个核心统计概念的区分。 第三部分  SPSS加权处理· 了解加权分析在SPSS统计分析中的基础性与重要性，熟悉加权分析的原理与在SPSS中的统计实现。 第四部分  SPSS及其Modeler统计分析第一讲：SPSS及其Modeler的界面与入门简介要求：· 了解SPSS系统界面的构成，掌握数据管理界面的一般操作· SPSS结果浏览窗口用法详解、统计绘图功能详解· 熟悉SPSS结果窗口的常用操作方法，掌握输出结果在文字处理软件中的使用方法· 掌握常用统计图散点图的绘制方法，了解其他统计图的绘制方法(SPSS的基础作图功能不如EXCEL或POWERPOINT，但散点图很专业)。考察目标：· 能熟练掌握SPSS的基础操作· 能对分析结果进行编辑、输出。重点考察以下内容：结果表格的编辑、在word中使用结果、结果的导出。能够独立判断遇到的统计问题应当采用何种统计图形。 第二讲：SPSS数据管理与程序· 可以独立完成在SPSS中建库、录入数据、计算新变量、筛选变量等操作，重点考察以下过程：数据计算compute、排序sort、重新赋值record、变量与样本的增减add/del、变量标签label、缺失值处理missing等；· 数据库合并与清理，数据合并方法merge file，数据清理常见问题，主要的数据清理方法select case/find等；· 懂得如何使用粘贴命令自动生成SPSS程序，重点是标签的程序（variable label/value label）与缺失值程序(missing)。  第三讲：频数分析与多重应答分析要求：· 掌握常用描述性指标的计算方法，掌握单选与多选的常用频数分析方法。考察目标：· 能够正确选用适当的统计过程求出频数与百分比分布，能独立对单选与多选题进行正确描述。 第四讲：交叉分析及卡方非参数检验要求：· 熟悉单选与多选分类数据常用的交叉分析计算方法，掌握输出结果中各部分的正确含义并能正确选择所需结果。· 熟悉SPSS提供的用于检测变量间关联显著性的卡方检验。 考察目标：· 能用正确的数据格式完成卡方检验，能从结果中选择正确的概率值。  第五讲：均值比较与T检验要求：· 掌握单样本、两独立样本、两配对样本的T检验的操作方法和结果阅读。 考察目标：· 能够用SPSS进行单样本、两独立样本、两配对样本的T检验，能根据数据形式正确选择两两比较方法。  第六讲：单因素与多因素方差分析要求：· 掌握单因素方差分析的数据格式、操作方法与结果阅读，熟悉方差分析中各种两两比较方法的选择、操作和结果阅读。 · 掌握多因素方差分析模型的原理、操作和分析结果的阅读，掌握相应的图形工具在分析中的应用。 考察目标：· 能够用SPSS独立进行单因素和多因素方差分析模型的统计分析，能独立、正确阅读方差分析的统计分析结果。 · 重点考察内容：单因素与多因素方差分析模型为考察重点，具体有数据格式、对话框操作、分析结果的阅读。  第七讲：相关分析、一元与多元线性回归、非线性回归分析要求：· 掌握相关分析的操作与结果阅读。 · 掌握一元与多元线性回归模型的原理、分析步骤、操作和结果阅读，重点掌握逐步、前进、后退、全选等四种筛选方法的含义与用法、分析结果的阅读，熟悉各种常用模型诊断工具（分类图等）的用法。 · 掌握非线性回归模型的原理、分析步骤、操作和结果阅读。 · 了解其他回归模型的原理、分析步骤、操作和结果阅读。  考察目标：· 能用SPSS独立完成简单的相关分析、一元与多元线性回归、非线性回归模型的分析，能正确阅读其分析结果，能利用常用的模型诊断工具对模型拟和情况进行初步诊断。重点考察：回归分析时的变量筛选、回归分析结果和非线性模型分析结果的阅读，变量是否满足回归分析要求的判断。  第八讲：Logit对数线性模型要求：1. 对数线性的原理，重点是对分类虚拟变量的量化相关关系概率2. 在SPSS中的操作步骤和方法、结果解释3. 案例考察目标：  能结合案例，进行分类变量的选择与结果运用，比如是否购买的概率与作为背景变量的性别、收入、话费分类的关系，癌症与是否饮酒等的关系。 第九讲：因子分析（含主成份分析），聚类分析要求：· 熟悉因子分析（含主成分分析）的用途、目的，掌握如何判断因子分析的适用条件，能正确选择适当的因子。熟悉因子旋转的含义并能正确使用。掌握分析结果的阅读。 · 掌握快速聚类和系统聚类的操作，了解各种距离，掌握其结果的阅读。 考察目标：· 能独立使用SPSS进行因子分析解决实际问题，能够正确阅读分析结果。重点考察因子数目的确定和结果的阅读。 · 能按要求将样本进行分类，重点考察对冰柱图和树状图结果的解释。 独立完成简单的聚类分析，能正确阅读分析结果。 第十讲：对应分析1. 对应分析与多维尺度分析与多维偏好分析的原理：在市场研究中，最为有用的多维制图技术是以下面的三种数据探索技术为基础的：多维偏好分析（Multidimensional preference analysis）、多维尺度法（Multidimensional scaling）、对应分析（Correspondence analysis。三种技术的共同之处都是通过图示的方法，在几何空间里表示所研究对象的感觉和偏好（perceptions and preferences）。在各种刺激（stimuli）中形成的感觉上的或心理上的关系是通过所谓的空间图（spartial maps）中点与点之间的几何关系来表示的。而空间图的坐标轴（axes）则假定是表示所研究对象用于形成对刺激的感觉和偏好时其心理基础和潜在维度（underlying dimensions）。研究者把这三种技术统称为多维尺度技术，或简称MDS技术。 2. 对应分析在SPSS操作步骤和方法、结果解释。多维尺度分析与多维偏好分析选讲。第十一讲：联合分析要求：1. 联合分析的原理，包括正交设计原理2. 正交设计的操作与问卷中题目的设计3. 联合分析在SPSS操作步骤和方法、结果解释考察目标：. 联合分析案例运用及其结果解释 第十二讲：判别分析要求：· 了解判别方法的分类，熟悉判别分析的适用条件和结果验证方法，掌握判别分析的操作，重点掌握结果阅读。 考察目标：· 能独立判断数据是否符合判别分析的适用条件，能求出相应的判别式，并使用他对新纪录进行分类。重点考察对结果的阅读和使用分析结果对新纪录进行分类。   第十三讲：时间序列分析要求：1. 时间序列分析的原理，重点是利用历史年份的数据，预测将来的数据2. 在SPSS的操作步骤和方法、结果解释3. 案例考察目标：    结合企业实际历史年份或季度或月份数据，进行科学预测。 第十四讲：关联规则分析 l 关联规则数据挖掘中最经典的案例就是沃尔玛的啤酒和尿布同区陈列的故事，通过发现关联的规则，可以从一件事情的发生，来推测另外一件事情的发生，从而更好地了解和掌握事物的发展规律等等，这就是寻找关联规则的基本意义。l 应用： 零售行业销售数据交叉陈列与促销分析，通信、银行等范畴的交叉精准直销，网络销售的智能关联提示，流失客户分析、基于购买模式进行客户区隔等。 要求：1. 关联规则分析的原理，重点是利用数据，找到关联2. 在SPSS的操作步骤和方法、结果解释3. 案例 第十五讲：人工神经网络分析l 人工神经网络ANN(Artificial Neural Networks)是以各非线性的数据建模工具集合,它包括输入层、一个 或多个隐藏层、输出层。通过神经元之间的连接赋予相关的权重，设定的训练算法能够在迭代过程中不断调整这些权重，从而实现误差的最小化并给出预测结果。神经网络的应用非常广泛，主要用在各类预测领域。要求：1. 神经网络分析的原理，重点是利用数据预测未来，并探寻对结果影响大的因素2. 在SPSS的操作步骤和方法、结果解释3. 案例 第十六讲：市场细分分析及其软件操作（可采用SPSS或Chaidwin）要求：1. 市场细分的原理2. 市场细分的操作步骤和方法、结果解释3. 市场细分案例考察目标：市场细分的实际运用，包括变量的选择与结果的转换（组织结构图），细分结果的描述，包括市场吸引力与市场规模。 第十七讲：满意度、品牌等结构方程模型分析及其软件操作（Amos）要求：1. 结构方程模型的原理，可以适用于满意度、品牌、产品等研究范畴2. 结构方程模型在Amos操作步骤和方法、结果解释3. 结构方程模型案例考察目标：结构方程在具体项目中的设计与运用，尤其是指标体系的设计，模型图外沿和内沿变量的设计，以及流程箭头的设计和箭头方向。 第十八讲：选讲专题选讲：多维尺度分析、多维偏好分析、信度分析、马尔可夫矩阵（Markov）与稳定性趋势预测 第五部分 数据的表现SPSS统计表和统计图的制作，以及简介用EXCEL和POWERPOINT制作及调整美化图形。