R语言市场研究分析

图书标准信息

• 作者 [美]克里斯托弗N.查普曼、[美]埃里亚·麦克唐奈·费特 著；林荟 译
• 出版社 机械工业出版社
• 出版时间 2016-09
• 版次 1
• ISBN 9787111549901
• 定价 89.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 322页
• 字数 400千字
• 丛书 数据科学与工程技术丛书

【内容简介】

　　本书结合现实中的市场营销问题揭示了在市场研究分析中如何使用R。主要内容包含:R综述，数据描述，连续变量之间的关系，表格和可视化，统计检验，线性模型，如何降低复杂度，验证性因子分析和结构方程模型，聚类和判别，购物篮分析，模型选择等。

【作者简介】

chri chapman谷歌不错用户体验定量分析研究员，支持谷歌云台的决策研究，并且为整个公司的定量市场研究提供咨询。在谷歌之外，chri是美国营销协会的营销洞察委员会、2015年定向分析会议、不错研究技术论坛(art论坛)的指导委员会成员和awtoottl软件会议成员，还是多家科研会议和期刊的审稿人。
elea mcdonnell feit德雷克塞尔大学市场营销系的副教授，沃顿消费者分析项目执行主任。她曾在通用汽车公司的产品设计部门和营销分析公司the modeller工作，专注于开发新的定量分析方法并付诸实践。她的研究侧重于通过分析客户数据优化产品设计和广告决策，尤其是在数据缺失、不匹配或者聚合的情况下。林荟：美国杜邦公司商业数据科学家，之前曾任爱荷华州立大学兽医学院统计咨询师及商学院统计咨询师。当选2017～2018美国统计协会市场营销统计项目。翻译出版了应用预测建模。研究兴趣是预测模型、机器学、数据可视化、市场营销调查分析、自然语义处理和文本挖据。

【目录】

中文版序 
译者序 
前言 
第一部分　R语言基础知识第1章　欢迎使用R2 
1.1　R是什么2 
1.2　为什么用R2 
1.3　为什么不用R3 
1.4　什么时候用R4 
1.5　如何使用本书4 
1.6　关键点6 
第2章　R综述7 
2.1　开始7 
2.2　R用途快速指南8 
2.3　R命令基础11 
2.4　基础对象12 
2.5　数据框21 
2.6　载入和存储数据24 
2.7　编写函数*27 
2.8　清理30 
2.9　知识拓展*30 
2.10　关键点31 
第二部分　数据分析基础知识第3章　数据描述34 
3.1　模拟数据34 
3.2　关于变量的函数38 
3.3　概括数据框41 
3.4　单变量可视化45 
3.5　知识拓展*54 
3.6　关键点55 
第4章　连续变量之间的关系56 
4.1　零售数据56 
4.2　用散点图探索变量间关系60 
4.3　把多张图合并为一张图65 
4.4　散点图矩阵67 
4.5　相关系数70 
4.6　探索问卷调查回复间的相关性*76 
4.7　知识拓展*78 
4.8　关键点78 
第5章　组比较：表格和可视化80 
5.1　模拟客户分组数据80 
5.2　各组对应的描述统计量87 
5.3　知识拓展*96 
5.4　关键点97 
第6章　组比较：统计检验98 
6.1　用于比较的数据98 
6.2　频数检验：chisq.test()98 
6.3观测比例检验：binom.test()101 
6.4　组均值检验：t.test()103 
6.5　多组均值检验：ANOVA104 
6.6　初识贝叶斯ANOVA *109 
6.7　知识拓展*113 
6.8　关键点114 
第7章　识别结果变量的驱动因子：线性模型115 
7.1　游乐场数据115 
7.2　用lm()函数拟合线性模型117 
7.3　拟合多元线性模型125 
7.4　因子自变量129 
7.5　交互效应131 
7.6　避免过度拟合134 
7.7　建议的线性模型拟合过程134 
7.8　贝叶斯线性模型：MCMCregress()*135 
7.9　知识拓展*136 
7.10　关键点137 
第三部分　高级营销应用第8章　降低数据复杂度140 
8.1　消费者品牌评分数据140 
8.2　主成分分析和感知图144 
8.3　探索性因子分析151 
8.4　高维标度化简介157 
8.5　知识扩展*160 
8.6　关键点160 
第9章　线性模型相关的其他话题162 
9.1　处理高度相关的变量162 
9.2　二项结果变量的线性模型：逻辑回归166 
9.3　分层线性模型175 
9.4　贝叶斯分层线性模型*182 
9.5　频率学派和贝叶斯学派HLM模型的简单比较*187 
9.6　知识拓展*190 
9.7　关键点191 
第10章　验证性因子分析和结构方程模型193 
10.1　结构模型的出发点193 
10.2　量级评估：CFA195 
10.3　更一般的模型：结构方程模型204 
10.4　PLS模型209 
10.5　知识拓展*215 
10.6　关键点216 
第11章客户分组：聚类和判别217 
11.1　客户分组的思想217 
11.2　客户分组数据219 
11.3　聚类219 
11.4　判别分析234 
11.5　预测：识别潜在客户*242 
11.6　知识拓展*244 
11.7　关键点245 
第12章　关联法则：购物篮分析247 
12.1基础关联法则247 
12.2零售交易数据：购物篮249 
12.3搜寻并且可视化关联法则252 
12.4非交易数据中的规则：再次探索客户分组259 
12.5知识拓展*263 
12.6关键点263 
第13章　选择模型264 
13.1基于选择的联合问卷调查分析264 
13.2模拟选择数据*266 
13.3拟合选择模型269 
13.4在选择模型中加入消费者个体差异278 
13.5分层贝叶斯选择模型281 
13.6基于选择的联合问卷调查设计*287 
13.7知识拓展*289 
13.8关键点289 
结论291 
附录A　R版本和相关软件292 
附录B　纵向扩展298 
附录C　使用的包306 
附录D　在线资源和数据文件310 
参考文献312