具体描述
《胸有成竹!数据分析的SPSS和SAS EG进阶（第2版）》共5 章，涉及使用SPSS Statistics 和SAS EG 做商业数据分析的主要分析方法。其中，第1章的主要内容为数据分析方法概述；第2 章至第4 章的主要内容为横截面数据分析方法；第5 章的主要内容为时间序列分析方法。每章都根据所涉及的知识点的不同，选取了实用的案例，并为读者准备了相应的思考和练习题。
《胸有成竹!数据分析的SPSS和SAS EG进阶（第2版）》是一本面向商业数据分析初学者的教材，从具体的商业数据分析案例入手，使读者掌握数据分析的目的、理念、思路与分析步骤。本书力图淡化技术，对于方法的介绍也尽量避免涉及过多的数学内容，和高等数学相关的内容只在线形回归和主成分分析这两节中涉及到，而且都辅以图形作形象的展现。因此本书的读者只需要具有高中水平的数学基础即可。
作者简介
经管之家（www.jg.com.cn）：原人大经济论坛，于2003年成立，致力于推动经管学科的进步，传播优秀教育资源，目前已经发展成为国内最大的经济、管理、金融、统计类的在线教育和咨询网站，也是国内最活跃和最具影响力的经管类网络社区。
经管之家从2006年起在国内最早开展数据分析培训，累计培训学员数万人。在大数据的趋势背景下，创新“CDA数据分析师”品牌，致力于为社会各界数据分析爱好者提供最优质、最科学、最系统的数据分析教育。截至2016年3月已成功举办40多期系统培训，培训学员达3千余名；CDA认证考试已成功举办三届，报考人数上千人；中国数据分析师俱乐部（CDA CLUB），每周线下免费沙龙活动，已举力40多期，累积会员2千余名；中国数据分析师行业峰会（CDA Summit），一年两届，参会人数皆达2千余名，在大数据领域影响力超前。“CDA数据分析师”队伍在业界不断壮大，对数据分析人才产业起到了巨大的推动作用。
常国珍，北京大学商学博士，法学硕士。曾就职于亚信科技BOC部门、方正国际金融事业部、德勤管理咨询信息技术系统咨询部。SAS公司资深讲师，Oracle大数据讲师，多家金融信息部门和金融高科技公司数据挖掘技术顾问。从事征信数据集市与信用风险建模、客户价值提升等数据挖掘项目。擅长基于个体行为分析的价值发现和信用建模。研究方向为宏微观接合研究，兴趣点在于宏观环境变化对微观主体行为的经济后果分析及价值投资。
赵仁乾，北京邮电大学管理科学与工程硕士，现就职于北京电信规划设计院，从事移动、联通集团及各省分公司市场、业务、财务规划，经济评价及运营咨询。重点研究方向包括离网用户挖掘、市场细分与精准营销、移动网络价值区域分析、潜在价值客户挖掘等。
曾珂，华中师范大学管理科学与工程硕士，现就职于经管之家CDA数据分析研究院，从事互联网、电子商务方向数据分析与数据挖掘的研究，CDA数据分析师的教学工作，研究方向为网络文本挖掘、电商市场细分与客户细分、潜在价值客户挖掘、互联网大数据挖掘等。
目录信息
1.1 数据分析概述.. 2
1.1.1 数据分析过程 2
1.1.2 数据分析的商业驱动 3
1.2 数据分析与挖掘方法分类介绍. 5
1.2.1 描述性——无监督的学习. 7
1.2.2 预测性——有监督的学习.. 10
1.3 数据分析的方法论. 12
1.3.1 数据挖掘的项目管理方法论：CRISP-DM 13
1.3.2 数据整理与建模的方法论：SEMMA .. 14
1.3.3 SAS EG 和SPSS 任务菜单编排与SEMMA 之间的关系. 16
第2 章描述数据特征.. 19
2.1 认识数据类型 20
2.2 单变量描述统计方法 21
2.2.1 分类变量的描述 21
2.2.2 连续变量的描述 22
2.3 创建频数报表 35
2.4 生成汇总统计量.. 38
2.5 用汇总表任务生成汇总报表 41
2.6 绘制条形图. 46
2.7 绘制地图.. 53
2.8 使用SPSS 进行描述统计.. 55
2.8.1 频率过程.. 56
2.8.2 描述过程.. 57
2.8.3 探索过程.. 58
2.8.4 P-P 图与Q-Q 图 58
2.9 使用SPSS 绘制统计图形.. 60
2.9.1 作图方法.. 60
2.9.2 饼图、柱图与条图.. 64
2.9.3 线图、高低图和双轴图 70
2.9.4 散点图 73
第3 章描述性数据分析/挖掘方法. 75
3.1 客户细分方法介绍. 76
3.1.1 客户细分的意义 76
3.1.2 根据客户利润贡献进行划分. 77
3.1.3 根据个人或公司的生命历程进行划分 78
3.1.4 根据客户的产品偏好进行划分 79
3.1.5 根据客户交易/消费行为进行划分. 80
3.1.6 根据客户的多维行为属性细分 81
3.1.7 展现客户/产品结构的战略细分.. 81
3.1.8 客户细分：综合运用. 82
3.2 连续变量间关系探索与变量约减. 82
3.2.1 多元统计基础. 82
3.2.2 多元变量压缩的思路. 87
3.2.3 主成分分析.. 89
3.2.4 因子分析. 103
3.2.5 对应分析. 112
3.2.6 最优尺度分析.. 119
3.2.7 多维尺度分析.. 124
3.3 聚类分析 133
3.3.1 基本逻辑. 134
3.3.2 系统聚类. 135
3.3.3 快速聚类. 146
3.3.4 两步聚类. 155
第4 章预测性数据分析方法.. 161
4.1 假设检验概念. 162
4.1.1 统计推断基本概念 164
4.1.2 变量分布的图形探索.. 165
4.1.3 均值的置信区间. 167
4.1.4 假设检验基础.. 168
4.1.5 T 检验. 169
4.2 构造对连续变量的预测模型. 174
4.2.1 方差分析（ANOVA） 174
4.2.2 线性回归. 190
4.2.3 线性回归的模型诊断.. 203
4.2.4 线性回归的全流程 211
4.3 构造对二分类变量的预测模型 217
4.3.1 分类变量之间的相关性检验.. 217
4.3.2 逻辑回归. 224
第5 章时间序列.. 240
5.1 时间序列的趋势分解法 241
5.1.1 趋势分解法简介. 241
5.2.2 使用SAS EG 进行时间序列趋势分解.. 242
5.2.3 使用SPSS 进行时间序列趋势分解 244
5.2 平稳时间序列（ARMA）模型设定与识别. 245
5.2.1 平稳时间序列定义 245
5.2.2 平稳时间序列模型建模. 246
5.2.3 ARMA 的模型设定与识别.. 247
5.3 非平稳时间序列（ARIMA）模型设定与识别.. 250
5.4 SAS EG 时间序列建模步骤.. 252
5.5 SPSS 时间序列建模步骤. 258
5.5.1 SPSS 构造ARIMA 模型使用的任务菜单.. 258
5.5.2 “定义日期”任务.. 260
5.5.3 “序列图”任务 261
5.5.4 “自相关”任务 262
5.5.5 “创建模型”任务.. 263
5.5.6 “使用模型”任务.. 267
5.5.7 其他内容. 267
附录A 数据说明.. 271
附录B CDA 数据分析师致力于最好的数据分析人才建设.. 278
参考文献 282
· · · · · · (收起)
读后感
评分
评分
评分
评分
用户评价
说实话，市面上关于SPSS和SAS的入门书籍已经泛滥成灾，但真正能让人在“进阶”阶段有所突破的精品凤毛麟角。这本书之所以能脱颖而出，在于它具有极强的“前瞻性”和“批判性”。它没有满足于仅仅教授读者如何运行分析模块，而是着重培养读者的“统计思维”。比如，在处理时间序列数据时，书中深入探讨了模型选择的经济学含义，而不是简单地教我们如何输入ARIMA参数。此外，它还探讨了大数据环境下，如何权衡不同软件在处理大规模数据集时的性能差异和数据隐私保护问题。这种超越基础操作的讨论，让我意识到，数据分析师的价值不仅仅在于会操作软件，更在于能根据业务场景选择最合适的工具和方法论。这种思维层面的拓展，让我对自己未来在数据科学领域的定位有了更清晰的认识，感觉自己不再是一个被动执行命令的“操作员”，而是一个能够主动设计分析方案的“架构师”。
评分作为一名研究生，我发现许多教材在介绍高级统计方法时，往往侧重于理论推导，却忽略了实际软件操作中的细节陷阱。这本书的独特之处在于，它巧妙地平衡了理论的深度和实操的广度。例如，在探讨非参数检验时，很多书会简单提及秩和检验，但这本书则详细对比了在不同样本量和数据分布情况下，SPSS和SAS在执行这些检验时的细微差异及其结果的解释倾向。更让我惊喜的是，它甚至涉及到了最新的数据可视化技术在SPSS中的应用，而不是仅仅停留在传统的条形图和散点图。书中关于如何利用图形对象编辑器（Graph Editor）定制化图表，使其更符合学术发表要求的章节，对我撰写毕业论文的“结果”部分帮助极大。我不再需要依赖外部绘图软件进行二次加工，直接在软件内就能产出高精度的、符合期刊规范的图表。这种一体化的解决方案，极大地提升了我的学术产出质量和效率，感觉自己对统计软件的掌控力又提升了一个层级。
评分这本书的排版和逻辑结构也值得称赞。在很多技术手册中，内容往往是零散的，读者需要不断地在不同章节之间跳转查找。然而，这本《胸有成竹！》在组织内容时，明显遵循了从“基础数据准备”到“复杂模型构建”再到“结果报告与可视化”的清晰脉络。特别是其索引设计非常人性化，当我需要快速回顾某个特定函数（比如SAS中的`MERGE`语句与SPSS的`JOIN`操作的区别）时，可以迅速定位，大大节省了查阅时间。另外，书中大量穿插的“专家提示”（Expert Tips）环节，往往是针对实际工作中容易出错的环节进行的预警，这些小贴士极其宝贵，避免了我因为一个小小的语法错误或默认选项设置失误而浪费数小时重新运行分析。总而言之，这是一本结构严谨、内容扎实、兼顾理论与实践的优秀教材，无论你是需要提升工作效率的职场人士，还是追求学术深度的研究人员，它都提供了超越预期的价值。
评分这本《胸有成竹！数据分析的SPSS和SAS EG进阶（第2版）》真是一部令人眼前一亮的工具书，对于那些已经掌握了基础统计软件操作，却渴望在数据处理和分析能力上实现质的飞跃的读者来说，简直是打开了一扇新的大门。我最近在使用SPSS进行一项复杂的纵向数据分析时，遇到了一些棘手的多重共线性问题，正苦恼于如何有效地进行变量筛选和模型修正。这本书的第三章，聚焦于高级回归分析中的诊断与矫正技巧，给出了详尽的步骤和清晰的图例说明。它不仅仅是告诉你“怎么做”，更深入地解释了“为什么这么做”，让我对模型假设的理解达到了一个新的高度。特别是关于结构方程模型（SEM）的章节，书中对潜在变量的识别和模型拟合指标的解读，讲解得极为透彻，不同于市面上那些只停留在菜单式操作的指南，这本书更像是一位资深统计师手把手的辅导，让我信心倍增。看完这一部分，我立刻将自己手头的数据套用书中的方法进行了重新拟合，结果模型的解释力和稳健性都有了显著提升，这种实实在在的收获感是无可替代的。
评分我最近的职业发展瓶颈在于，虽然我能熟练地运行基础的描述性统计和T检验，但在面对海量非结构化数据需要进行高效清洗和预处理时，总是显得力不从心，效率低下。这本书在SAS Enterprise Guide（EG）的应用篇，尤其是在宏编程（Macro Programming）和数据步（Data Step）的高级应用上，简直是我的救星。我过去总觉得SAS EG的操作界面看起来有些复杂和陈旧，但书中通过一系列实战案例——比如如何利用`PROC SQL`进行复杂的数据合并与转换，以及如何编写一个可以自动生成报告的代码块——极大地激发了我学习的兴趣。作者并没有回避SAS EG中那些初学者望而却步的编程概念，反而用非常生活化的语言将其拆解，配以详尽的截图和代码块注释，使得即便是对编程有抵触情绪的人也能循序渐进地掌握。我尝试着将书中的一个自动化数据清洗流程应用到我日常的工作流程中，原本需要半天手工操作的任务，现在只需几分钟点击或运行一次宏程序就能完成，时间成本的节约是惊人的，这让我对数据分析的“自动化”有了更深的体悟。
评分 评分 评分 评分 评分相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.quotespace.org All Rights Reserved. 小美书屋 版权所有