| 序 号 |
名 称 |
具体内容 |
第一讲
|
数据分析与预测 |
数据分析的过程及作用
预测在数据分析中的地位 |
第二讲
|
预测在市场研究的应用 |
分析和预测客户行为：分析客户行为规律，预测客户行为的各种趋势。
客户细分：通过对客户群的深入研究，精准掌握客户动态。
客户流失分析：以预测模型来确定哪些客户可能流失，从而采取适当措施挽留最有价值的客户 |
| 第三讲 |
连续变量的预测 |
线性回归 |
1. 多元线性回归模型的原理、分析步骤、操作和结果阅读
2. 逐步、前进、后退三种筛选方法的含义与用法、分析结果的阅读
3. 各种常用模型诊断工具（分类图等）的用法
4. 加权最小二乘法、两阶段最小二乘法的原理、操作和结果阅读
|
| 曲线回归 |
1. 曲线回归的操作和结果解读
2. 曲线模型拟合的实质 |
| 非线性回归 |
1. SPSS基本操作流程和界面说明
2. 最小一乘法的原理及应用
3. 分段回归模型的拟合
4. 模型的各种拟合方法 |
| 回归模型诊断 |
|
| 第四讲 |
分类变量的预测 |
Logistic回归 |
1. 分类自变量的定义与比较方法
2. 自变量的筛选与逐步回归
3. 模型的诊断与修正 |
| 判别分析 |
1. 判别分析的用途、目的
2. 判别分析的适用条件
3. 判别方程的含义、结果阅读 |
| 第五讲 |
时间序列模型 |
指数平滑 |
1. 时间序列模型的基本原理、用途
2. SPSS基本操作流程
3. 指数平滑及ARIMA模型的原理
4. 建模时常用的诊断工具
5. 相应的图形工具在分析中的应用 |
| ARIMA模型 |
| 第六讲 |
新数据挖掘算法 |
决策树 |
决策树的原理
决策树的案例应用
如何用CLEMENTINE实现决策树操作
分析结果解读 |
| 神经网络 |
神经网络的原理
神经网络的案例应用
如何用CLEMENTINE实现神经网络操作
分析结果解读 |
| 第七讲 |
答疑与讨论 |
|
