第3版前言
大數(shù)據(jù)的預(yù)測(cè)分析法在本書第2版出版之后的四年來一直保持著穩(wěn)定的熱度。我之所以決定寫作新版，不是因?yàn)榈?版的成功，而是因?yàn)槲沂盏降拇罅空�面反饋（讀者來信）。而且，重要的是，我需要分享解決問題的方法。這些問題還沒有被人們普遍接受的、可靠的或者已知的解決方案。與上一版一樣，約翰·圖基（John Tukey）原則是推進(jìn)統(tǒng)計(jì)學(xué)的發(fā)展以及提高靈活性、實(shí)用性、創(chuàng)新性和普遍性所必需的，是各章介紹的新分析法和建模方法論的試金石。
第3版的主要目標(biāo)如下：
1）擴(kuò)充核心內(nèi)容，包括解決問題的策略和方法，它們來自預(yù)測(cè)分析學(xué)術(shù)會(huì)議和統(tǒng)計(jì)建模研討會(huì)，以及我對(duì)Statistics on the Table [1]的一些想法。
2）重新編輯現(xiàn)有章節(jié)，提高寫作質(zhì)量；修改結(jié)尾部分，使內(nèi)容更緊湊。
3）提供本書推薦的分析方法和建模的統(tǒng)計(jì)子程序。我使用Base SAS和STAT/SAS。這些子程序也可以從 http://www.geniq.net/articles.html#section9下載，代碼很容易轉(zhuǎn)換成用戶喜歡的其他語言。
在第2版的基礎(chǔ)上，本書新增了13章，它們穿插在原來的章節(jié)中間，以限度地保證內(nèi)容的連貫性。新章節(jié)如下：
第2章介紹統(tǒng)計(jì)學(xué)與數(shù)據(jù)科學(xué)。如果人們不留意，可能就會(huì)按下刪除鍵，刪掉統(tǒng)計(jì)學(xué)和統(tǒng)計(jì)學(xué)家，代之以科學(xué)和數(shù)據(jù)科學(xué)家。我討論了近期出現(xiàn)的術(shù)語數(shù)據(jù)科學(xué)是否意味著統(tǒng)計(jì)學(xué)是一個(gè)發(fā)展更快的領(lǐng)域的子集合，或者數(shù)據(jù)科學(xué)是否掩蓋了當(dāng)前的統(tǒng)計(jì)學(xué)應(yīng)用狀況。
第8章介紹一個(gè)市場(chǎng)份額估算模型，其獨(dú)特之處是不采用常規(guī)的基于抽樣調(diào)研的市場(chǎng)份額情境分析，而是采用主成分分析（PCA）作為估算一個(gè)真實(shí)案例的市場(chǎng)份額的基礎(chǔ)。我提供了構(gòu)建這個(gè)案例研究的市場(chǎng)份額模型的SAS子程序。
第11章介紹無抽樣調(diào)研數(shù)據(jù)預(yù)測(cè)錢包份額。這種預(yù)測(cè)錢包份額（SOW）的日常方法需要抽樣調(diào)研數(shù)據(jù)。由于抽樣調(diào)研工作耗時(shí)多、成本高，而且會(huì)出現(xiàn)不可靠數(shù)據(jù)，所以通常不采用。我提供了一種不需要數(shù)據(jù)就能預(yù)測(cè)SOW的兩步法。步定義一個(gè)準(zhǔn)SOW并通過模擬法對(duì)總金額進(jìn)行估算。第二步采用分?jǐn)?shù)邏輯斯諦回歸法預(yù)測(cè)SOW_q，巧妙地將普通的邏輯斯諦回歸用于比例或比率不變的因變量。我給出了詳細(xì)的案例分析和SAS子程序，讀者會(huì)發(fā)現(xiàn)這種方法很有價(jià)值。
第19章提出了一種基于模型的潛在類別分析（LCA）聚類方法。這種細(xì)分的創(chuàng)新型策略包含在時(shí)間序列數(shù)據(jù)的應(yīng)用之中。時(shí)間序列LCA模型是一種完全不同的方法，可以作為處理截面數(shù)據(jù)集中的時(shí)間序列數(shù)據(jù)的模板。這種LCA法可以替代目前流行的基于數(shù)據(jù)的啟發(fā)式k均值法。我提供了SAS子程序，數(shù)據(jù)挖掘人員可以用來執(zhí)行與演示類似的市場(chǎng)細(xì)分工作。我還提供了一種將時(shí)間序列數(shù)據(jù)合并到其他截面數(shù)據(jù)集中的獨(dú)特方法。
隨后是第20章。文獻(xiàn)通常會(huì)介紹各種可以用來進(jìn)行市場(chǎng)細(xì)分的聚類方法，而有關(guān)如何解讀細(xì)分結(jié)果的文獻(xiàn)卻寥寥無幾。這一章提供了一種理解客戶細(xì)分的便捷方法。我用一個(gè)常見的簡(jiǎn)單例子說明新方法，以充分展示這種方法的威力。本章提供了執(zhí)行這種新方法所用的SAS子程序，數(shù)據(jù)挖掘人員可以將這個(gè)有價(jià)值的統(tǒng)計(jì)技術(shù)收入工具箱。
第21章是第20章的擴(kuò)展。本章的目的是提供一種理解統(tǒng)計(jì)回歸模型的簡(jiǎn)單方法，即普通小二乘法和邏輯斯諦回歸（LR）模型。我用一個(gè)LR模型演示了這種方法，展示了這種方法的威力。這種方法含有補(bǔ)充信息，用于彌補(bǔ)一直以來人們需要依靠回歸系數(shù)才能理解統(tǒng)計(jì)回歸模型的不足。我提供了SAS子程序，可以作為其他統(tǒng)計(jì)方法的一個(gè)有價(jià)值的補(bǔ)充。
第23章介紹大數(shù)據(jù)建模，接在使用CHAID作為歸因方法的章節(jié)之后。缺失的數(shù)據(jù)會(huì)警告統(tǒng)計(jì)學(xué)家：除非你知道如何接納我，否則你毫無勝算。在大數(shù)據(jù)出現(xiàn)之前，用傳統(tǒng)的基于數(shù)據(jù)的方法（完整案例分析）處理任何數(shù)據(jù)集都會(huì)出現(xiàn)問題。這些方法能否有效用于大數(shù)據(jù)分析令人懷疑。我提出了一個(gè)兩步法，即先用完整的回應(yīng)數(shù)據(jù)建模，然后用PCA對(duì)不完整的回應(yīng)數(shù)據(jù)建模。這兩個(gè)模型可以單獨(dú)使用，也可以與具體任務(wù)目標(biāo)結(jié)合使用。我提供了這種方法的SAS子程序，它會(huì)成為統(tǒng)計(jì)建模者的一個(gè)有用工具。
第24章高度融合了藝術(shù)、科學(xué)、數(shù)字和詩歌，它們都受到了埃及金字塔、達(dá)·芬奇和愛因斯坦的啟發(fā)。這一章會(huì)引發(fā)你的思考。
第27章是對(duì)前一章的補(bǔ)充。營(yíng)銷人員使用十分位分析評(píng)估他們的回應(yīng)模型相對(duì)于隨機(jī)獲得的回應(yīng)的可預(yù)測(cè)優(yōu)勢(shì)。我定義了兩種新指標(biāo)，即回應(yīng)模型十分位分析精確度和隨機(jī)模型十分位精確度，可以讓營(yíng)銷人員對(duì)回應(yīng)模型的優(yōu)缺點(diǎn)進(jìn)行更深入的評(píng)估。我提供了構(gòu)建這兩種新指標(biāo)的SAS子程序，這會(huì)成為市場(chǎng)營(yíng)銷統(tǒng)計(jì)學(xué)家的可靠工具。
第28章將評(píng)估回應(yīng)模型的方法擴(kuò)展到適當(dāng)使用對(duì)照組（文獻(xiàn)中使用諸如提升或凈提升度模型這類名稱），以替代第27章中討論的隨機(jī)模型。有關(guān)凈提升度模型的文獻(xiàn)有很多，有些相互矛盾而且容易引起混淆。我提供了另一種方法T-C凈提升度模型，這是一個(gè)簡(jiǎn)單、直觀、可靠、易于實(shí)現(xiàn)和理解的模型，緩解了有關(guān)這個(gè)主題的文獻(xiàn)之間的不相容情況。我提供了T-C凈提升度模型的SAS子程序，統(tǒng)計(jì)學(xué)家可以用于建模，而不必購買昂貴的軟件。
對(duì)于統(tǒng)計(jì)學(xué)家來說，當(dāng)踏上數(shù)據(jù)處理旅程時(shí)，第34章會(huì)給