-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

R語言市場研究分析

( 簡體 字)
作者:作者:(美)克里斯·查普曼(Chris Chapman) 埃里亞·麥克唐奈·費特(Elea McDonnell Feit)類別:1. -> 程式設計 -> R語言
譯者:
出版社:機械工業出版社R語言市場研究分析 3dWoo書號: 45386
詢問書籍請說出此書號!

缺書
NT售價: 445

出版日:10/1/2016
頁數:322
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787111549901
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

我們將會幫助你在市場研究和分析中使用R。

R是市場分析師的絕佳選擇。它擬合統計模型的能力無與倫比,對于大型和小型數據集,它可擴展,能以不同形式分析來自不同系統的數據。R生態系統包括大量現存以及正在興起的統計方法和可視化技術。但是R在市場營銷中的應用程度不如其在統計、計量經濟、心理和生物信息領域。希望通過大家的努力能改變現狀!

本書是為兩類人設計的:想要學習R的市場研究從業人員和分析師,想要了解如何將R應用于市場營銷的其他領域的學生和研究人員。

閱讀本書需要哪些預備知識?很簡單,對R在市場營銷中的應用感興趣,對基礎統計模型(如線性回歸)有概念性的了解,并且愿意親自動手實踐學習。本書對已有一定編程經驗并希望學習R的分析師特別有幫助。我們會在第1章中介紹另外一些使用R的原因(以及一些可能不需要使用R的原因)。

動手實踐部分非常重要。我們將在前7章循序漸進地介紹(相關知識)并且讓讀者自行實踐書中的案例(代碼);本書不是食譜類型的參考書。我們會在第一部分花一些時間(盡量少)介紹R基礎知識,然后在第二部分介紹現實中的市場營銷問題以及如何應用R。第三部分包含一些高階市場營銷問題。每章都展示了R的分析能力。希望讀者在每章中都能學到新鮮有趣的知識。

本書有如下特點:

本書圍繞市場營銷組織內容。不是給出泛泛的示例,而是結合介紹的方法給出市場營銷案例。

我們假定讀者有基礎統計知識和少量的數學知識。本書是為分析實踐者設計的,因此并不會過多地介紹方程和統計模型背后的數學細節(但我們會給出相應參考書目)。

這是一本講解統計概念和R代碼的教科書。它旨在讓讀者明白我們在干什么以及學會如何避免在應用統計和R時的問題。對比市面上其他參考書和“食譜類”指南,我們的目標在于讓本書具有可讀性并且能夠滿足不同讀者的需求。

應用章節闡明了漸進的建模過程。我們并沒有提供“答案”,而是展示一個分析師在現實工作中可能按何種方式逐步展開分析。其中比較了不同模型的統計可靠性和實用性。

可視化內容是核心分析的一部分。我們并沒有將可視化當作獨立的話題,而是相信它是數據探索和建模的一個部分。

你從中學到的不僅僅是R。除了核心模型外,本書還涵蓋了一些或許對有經驗的分析師來說也很陌生的有用模型,如結構方程模型、交易分析。

本書同時介紹了傳統方法和貝葉斯方法。核心模型和傳統(頻率學派)模型一起介紹。但在后面的章節中會介紹線性模型和聯合分析中的貝葉斯方法。

大部分分析用模擬數據實踐R,并額外提供了關于市場數據結構的信息。根據個人意愿,可以改變模擬數據,看其對統計模型的影響。

在合適的時候我們會給出選學的編程內容或模型知識,讀者可根據自身情況選擇閱讀或跳過。這些小節用* 標注。

本書沒有包括什么?首先,本書介紹R在市場營銷中的應用但并不講述市場營銷方面的研究。我們會討論很多市場營銷話題但會忽略R中那些重復用到相同分析方法的話題。如前所述,我們從概念上介紹統計模型且并不關注數學細節。由于篇幅原因,本書省略了一些復雜的話題,包括顧客終身價值模型和計量經濟時間序列模型。總之,本書全面展示了市場營銷研究示例和分析方法。如果掌握了本書,你將能在許多市場營銷領域應用R。

為什么我們可以教這些知識?從1997年開始,我們使用R及其前身S語言近30年,這是我們主要的分析平臺。我們用R做各種市場分析,從簡單的數據總結到復雜的分析(需要自己編寫成千上萬行的代碼)和新模型。

我們也有豐富的R教學經驗。本書源自于筆者在美國營銷協會(AMA)、埃默里大學市場營銷學院和高級研究方法論壇(ART Forum)幾年來的課程講義。我們也在Sawtooth軟件會議上和沃頓商學院對學生和業界人士進行R教學。感謝許多學生的反饋意見,我們相信他們的經驗會對你們有益。
致謝

我們特別感謝為本書的問世做出貢獻的人。首先是這些年來我們教過的所有學生,他們提供了有價值的反饋。我們希望他們的經驗對你們有益。

在市場營銷學術領域和實踐者社區, Ken Deal、Fred Feinberg、Shane Jensen、Jake Lee、Dave Lyon和 Bruce McCullough提供了寶貴意見。

Chris在谷歌科研社區的同事對本書的一些部分提供了許多建議。我們感謝如下人的鼓勵和建議:Mario Callegaro、Marianna Dizik、Rohan Gifford、Tim Hesterberg、Shankar Kumar、Norman Lemke、Paul Litvak、Katrina Panovich、Marta Rey-Babarro、Kerry Rodden、Dan Russell、Angela Sch鰎gendorfer、Steven Scott、Bob Silverstein、Gill Ward、John Webb 和 Yori Zwols。

Springer的員工和編輯幫助我們順利展開工作,其中尤其要感謝Hannah Bracken、Jon Gurstelle和“Use R!”系列叢書編輯。

本書的大部分是在公共圖書館和大學圖書館完成的。我們感謝其為我們提供場所以及大量的文獻資源。本書部分是在晴朗的日子里于新奧爾良公共圖書館、紐約公共圖書館、紐約神學院的小克里斯托弗·凱勒圖書館、加州大學圣地亞哥分校的吉賽爾圖書館,華盛頓大學蘇塞羅和艾倫圖書館、森尼維爾公共圖書館完成的,尤其是東京都中心圖書館,我們在那里寫下了第一句話、第一行代碼、全書大綱以及后續許多內容。

家人對我們在周末和夜晚編寫本書給予了支持,他們還忍受了對門外漢來說關于R的過多討論。謝謝Cristi、Maddie、Jeff和Zoe。

最重要的是,我們感謝各位讀者。很高興你們決定研究R,且希望你們的努力有所收獲。讓我們開始吧!



—Chris Chapman、Elea McDonnell Feit
內容簡介:

本書的作者Chris Chapman是谷歌高級用戶體驗定量分析研究員,Elea McDonnell Feit曾任美國通用汽車公司分析師,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高級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,本書都是一本絕佳指南。
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高級話題。對高級話題的介紹力求讓所有的分析師都能夠理解并學習到新東西。
本書從概念上介紹統計學模型,盡量避免復雜的數學理論,著眼于入門級的統計知識,如果你沒有很強的數學基礎但又想學習一些高級分析方法,那么本書將對你大有裨益。對于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,并提供一個應用語境,使得你能夠在應用中學習,極大增強學習效果。
目錄:

中文版序

譯者序

前言

第一部分 R語言基礎知識

第1章 歡迎使用R2

1.1 R是什么2

1.2 為什么用R2

1.3 為什么不用R3

1.4 什么時候用R4

1.5 如何使用本書4

1.6 關鍵點6

第2章 R綜述7

2.1 開始7

2.2 R用途快速指南8

2.3 R命令基礎11

2.4 基礎對象12

2.5 數據框21

2.6 載入和存儲數據24

2.7 編寫函數*27

2.8 清理30

2.9 知識拓展*30

2.10 關鍵點31

第二部分 數據分析基礎知識

第3章 數據描述34

3.1 模擬數據34

3.2 關于變量的函數38

3.3 概括數據框41

3.4 單變量可視化45

3.5 知識拓展*54

3.6 關鍵點55

第4章 連續變量之間的關系56

4.1 零售數據56

4.2 用散點圖探索變量間關系60

4.3 把多張圖合并為一張圖65

4.4 散點圖矩陣67

4.5 相關系數70

4.6 探索問卷調查回復間的相關性*76

4.7 知識拓展*78

4.8 關鍵點78

第5章 組比較:表格和可視化80

5.1 模擬客戶分組數據80

5.2 各組對應的描述統計量87

5.3 知識拓展*96

5.4 關鍵點97

第6章 組比較:統計檢驗98

6.1 用于比較的數據98

6.2 頻數檢驗:chisq.test()98

6.3觀測比例檢驗:binom.test()101

6.4 組均值檢驗:t.test()103

6.5 多組均值檢驗:ANOVA104

6.6 初識貝葉斯ANOVA *109

6.7 知識拓展*113

6.8 關鍵點114

第7章 識別結果變量的驅動因子:線性模型115

7.1 游樂場數據115

7.2 用lm()函數擬合線性模型117

7.3 擬合多元線性模型125

7.4 因子自變量129

7.5 交互效應131

7.6 避免過度擬合134

7.7 建議的線性模型擬合過程134

7.8 貝葉斯線性模型:MCMCregress()*135

7.9 知識拓展*136

7.10 關鍵點137

第三部分 高級營銷應用

第8章 降低數據復雜度140

8.1 消費者品牌評分數據140

8.2 主成分分析和感知圖144

8.3 探索性因子分析151

8.4 高維標度化簡介157

8.5 知識擴展*160

8.6 關鍵點160

第9章 線性模型相關的其他話題162

9.1 處理高度相關的變量162

9.2 二項結果變量的線性模型:邏輯回歸166

9.3 分層線性模型175

9.4 貝葉斯分層線性模型*182

9.5 頻率學派和貝葉斯學派HLM模型的簡單比較*187

9.6 知識拓展*190

9.7 關鍵點191

第10章 驗證性因子分析和結構方程模型193

10.1 結構模型的出發點193

10.2 量級評估:CFA195

10.3 更一般的模型:結構方程模型204

10.4 PLS模型209

10.5 知識拓展*215

10.6 關鍵點216

第11章客戶分組:聚類和判別217

11.1 客戶分組的思想217

11.2 客戶分組數據219

11.3 聚類219

11.4 判別分析234

11.5 預測:識別潛在客戶*242

11.6 知識拓展*244

11.7 關鍵點245

第12章 關聯法則:購物籃分析247

12.1基礎關聯法則247

12.2零售交易數據:購物籃249

12.3搜尋并且可視化關聯法則252

12.4非交易數據中的規則:再次探索客戶分組259

12.5知識拓展*263

12.6關鍵點263

第13章 選擇模型264

13.1基于選擇的聯合問卷調查分析264

13.2模擬選擇數據*266

13.3擬合選擇模型269

13.4在選擇模型中加入消費者個體差異278

13.5分層貝葉斯選擇模型281

13.6基于選擇的聯合問卷調查設計*287

13.7知識拓展*289

13.8關鍵點289

結論291

附錄A R版本和相關軟件292

附錄B 縱向擴展298

附錄C 使用的包306

附錄D 在線資源和數據文件310

參考文獻312
序: