《CHAID决策树方法介绍.ppt》由会员分享，可在线阅读，更多相关《CHAID决策树方法介绍.ppt（19页珍藏版）》请在三一办公上搜索。
1、市场细分技术,培训介绍,主要内容,市场细分的统计方法简介市场细分的基本原理聚类分析因子分析+主成份分析判别分析+logistic回归分类树CHAID与Conjoint,关于Conjoint Analysis,培训介绍的仍然是传统的Conjoint分析-全轮廓(Full Profile)法介绍了SPSS正交设计产生的方法SPSS中Conjoint语法SPSS中Conjoint结果解释Conjoint市场占有模拟,可供市场细分的变量,CHAID的应用背景,对于判别分析与Logistical回归中的自变量，通常要求是定距变量（Interval Scaled)但是在调查中，人口统计变量通常是类型变量（
2、Category)或离散变量,而且通常是多个类型的变量。CHAID提供了一种在多个自变量中自动搜索能产生最大差异的变量方案,案例,在碳酸饮料市场细分研究中，我们探索是否可以根据对碳酸饮料的消费行为差异来细分市场。我们调查了消费者的每周消费量以及与消费者相关的背景资料（地区、年龄、性别、收入类型、教育、婚姻，家庭规模等）在传统方法上，我们可以通过检查背景资料交叉表，看不同类型消费者的消费量是否存在差异。但是，这种检查非常费时，而且容易造成遗漏。通过决策树模型，可以迅速地检查按照每个预测（背景）变量分类可能产生的结果，并可以对分类自动归并，选择最佳分类方式，从而达到每个细分市场差异最大化的目的。,
3、CHAID方法,CHAID(卡方自动交互检测Chi-Square Automatic Interaction Detection)是一种基于目标变量自我分层的方法。在形式上，CHAID非常直观，它输出的是一个树状的图形。它以因变量为根结点，对每个自变量进行分类，计算分类的卡方值。如果几个变量的分类均显著，则比较这些分类的显著程度（P值的大小），然后选择最显著的分类法作为子节点。CHIAD可以自动归并自变量中类别，使之显著性达到最大。最后的每个叶结点就是一个细分市场,CHAID的适用范围,当预测变量是分类变量时，CHAID方法最适宜。对于连续型变量，CHAID在缺省状态下将连续变量自动分为10段
4、处理，但是可能有遗漏。当预测变量是人口统计变量时，研究者可以很快找出不同细分市场特征，免去对交叉分析表归并与检查之苦。,CHAID的分析步骤,确定因（目标）变量：因变量在市场研究中通常是消费者对产品的购买/使用行为，比如是否某产品的购买者等。确定自变量（预测变量）：自变量的确定相对简单，可以选择较多的变量让计算机自动挑选：地理变量、人口统计变量、生活方式等心理变量。分析GAIN TABLE，解释分类结果。,SPSS Answer Tree,SPSS Answer Tree 3.0集成了CHAID,CART,QUEST等决策树方法。SPSS Answer Tree操作方便，可以很容易地就能比较群
5、体轮廓和细分市场。4个模块都是通过检查数据库中所有可供分类的变量，来将自变量划分为最佳的小类。CHAID快速高效多树型分析法，速度快；完全CHAID完全多树型分析法，每步分为最显著的2类，相对较慢；但分类结果可能更加全面。CART(分类和回归树)一种完全两分类树型分析法则，用来分割数据和产生精确的同质性子集；QUEST只能在目标变量是类型变量的时候采用。,CHAID界面1,模型选择,CHAID 界面2,目标变量,预测变量,频率变量（加权）,定义变量类型,CHAID界面3,不校验树图,CHAID界面4,高级选项中有一些关于模型的重要选项,CHAID输出结果图,一级变量,二级变量,二级变量,三级变量,检验统计量,Gain Table,细分市场的利润指数,最终的5个节点（细分市场）,演示：9901.sav,关于其它决策树方法,除了CHAID方法之外，其他方法CART,QUEST,C5.0(在SPSS的数据挖掘软件中 Clementine中采用)等方法均可以用于市场细分。CHAID 作用一种最常见的决策树方法，已经被许多市场研究公司为作市场细分的基础工具。,问题？,
