R语言市场研究分析

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R21.1　R是什么21.2　为什么用R21.3　为什么不用R31.4　什么时候用R41.5　如何使用本书41.6　关键点6第2章　R综述72.1　开始72.2　R用途快速指南82.3　R命令基础112.4　基础对象122.5　数据框212.6　载入和存储数据242.7　编写函数最272.8　清理302.9　知识拓展最302.10　关键点31第二部分　数据分析基础知识第3章　数据描述343.1　模拟数据343.2　关于变量的函数383.3　概括数据框413.4　单变量可视化453.5　知识拓展最543.6　关键点55第4章　连续变量之间的关系564.1　零售数据564.2　用散点图探索变量间关系604.3　把多张图合并为一张图654.4　散点图矩阵674.5　相关系数704.6　探索问卷调查回复间的相关性最764.7　知识拓展最784.8　关键点78第5章　组比较：表格和可视化805.1　模拟客户分组数据805.2　各组对应的描述统计量875.3　知识拓展最965.4　关键点97第6章　组比较：统计检验986.1　用于比较的数据986.2　频数检验：chisq.test()986.3观测比例检验：binom.test()1016.4　组均值检验：t.test()1036.5　多组均值检验：ANOVA1046.6　初识贝叶斯ANOVA 最1096.7　知识拓展最1136.8　关键点114第7章　识别结果变量的驱动因子：线性模型1157.1　游乐场数据1157.2　用lm()函数拟合线性模型1177.3　拟合多元线性模型1257.4　因子自变量1297.5　交互效应1317.6　避免过度拟合1347.7　建议的线性模型拟合过程1347.8　贝叶斯线性模型：MCMCregress()最1357.9　知识拓展最1367.10　关键点137第三部分　高级营销应用第8章　降低数据复杂度1408.1　消费者品牌评分数据1408.2　主成分分析和感知图1448.3　探索性因子分析1518.4　高维标度化简介1578.5　知识扩展最1608.6　关键点160第9章　线性模型相关的其他话题1629.1　处理高度相关的变量1629.2　二项结果变量的线性模型：逻辑回归1669.3　分层线性模型1759.4　贝叶斯分层线性模型最1829.5　频率学派和贝叶斯学派HLM模型的简单比较最1879.6　知识拓展最1909.7　关键点191第10章　验证性因子分析和结构方程模型19310.1　结构模型的出发点19310.2　量级评估：CFA19510.3　更一般的模型：结构方程模型20410.4　PLS模型20910.5　知识拓展最21510.6　关键点216第11章客户分组：聚类和判别21711.1　客户分组的思想21711.2　客户分组数据21911.3　聚类21911.4　判别分析23411.5　预测：识别潜在客户最24211.6　知识拓展最24411.7　关键点245第12章　关联法则：购物篮分析24712.1基础关联法则24712.2零售交易数据：购物篮24912.3搜寻并且可视化关联法则25212.4非交易数据中的规则：再次探索客户分组25912.5知识拓展最26312.6关键点263第13章　选择模型26413.1基于选择的联合问卷调查分析26413.2模拟选择数据最26613.3拟合选择模型26913.4在选择模型中加入消费者个体差异27813.5分层贝叶斯选择模型28113.6基于选择的联合问卷调查设计最28713.7知识拓展最28913.8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信息