SPSS Classification Trees-轻松快速地识别群体及预测结果

SPSS Classification Trees附加模块，能够在SPSS环境下直接创建分类决策树，帮助您快速并准确地识别群体，发现群体之间的关系并预测未来事件。您可应用分类决策树于分段、分层、预测、数据降维、变量筛选、类别合并、以及连续变量离散化。

高度形象化的图解使您能够以非常直观地方式展现分类结果－这样您可以更加清楚地把分类结果解释给业务人员。这些树方便您探索结果，并直观地确定模型是如何展开的。直观地结果能够帮助您找出具体的子群以及通过传统的统计方法难以发现的关系。因为分类树可以把数据分到不同的枝和节点，您可以轻松直观地看到某个群体是在何处被分开的及在何处终结的。

SPSS Classification Trees广泛应用于多个领域：

数据库营销
·选择一个响应变量对客户细分（回复/未回复邮件的；高-、中-、和低利润客户； 营销目标囊括那些延长服务期的客户
·基于其它属性概括客户群，如人口统计学或客户活动
·针对某具体客户群进行新的个性化营销，以减少成本，提高投资回报率(ROI)

市场研究
·进行客户、雇员，或招募满意度的调查
·选择一个变量作为满意度的度量（例如，取值 "1－5"等级变量）
·根据响应者对其它问题的回答描述满意度水平
·改善影响满意度的因素，例如工作环境或产品质量

信用风险评分
·确定风险组（高、中或低）
·基于客户信息描述风险群体特征，例如帐户活动
·基于风险群为贷款申请人提供合理的贷款额度

公共部门营销
·选择一个响应变量划分您的客户群（例如，高校潜在申请人中实际申请者与未申请者）
·基于其它属性概括客户群，如人口统计学或客户活动
·针对某具体客户群进行新的个性化营销，以减少成本，提高投资回报率(ROI)

可选择四种决策树算法
SPSS Classification Trees包括四种成熟的树生成算法：
·CHAID－快速、多分枝的统计树算法，使您能够迅速有效地探索数据，可根据所希望的分类结果建立分段及资料概括说明
·Exhaustive CHAID－改进的CHAID算法，会检查预测因子的每种可能分割
·Classification & regression trees (C&RT)－一个完全的二叉树算法，能将分割数据为精确、类似同质的子集合
·QUEST-可以无偏差地选择变量，迅速有效地建立 二叉树的算法
四种算法，使您能够尝试不同类型的树生成方法，并找到最佳拟合数据的模型

在SPSS中扩展您的结果，并应用于将来的分析之中
由于SPSS Classification Trees是SPSS的附加模块，所以您在SPSS环境下，就可以直接创建分类树，并可方便地将结果应用于数据集。您并不需要在SPSS和其它软件之间反复地操作。而且，您可以生成SPSS Syntax、SQL语句、以及文本格式的选择或分类/预测规则。您可以在输出窗口显示结果，并把结果保存为外部文件以备后用，如对新的个体或观测进行预测。如果您希望利用结果对其它数据文件评分，则可以把相关的模型信息直接添加到数据集，或将模型以XML格式导出以供SPSS Server调用，实现数据评分。

系统需要

	SPSS Base
	其他的系统需求根据平台的不同而异。