R语言市场研究分析

2 (p1): 第一部分 R语言基础知识
2 (p1-1): 第1章 欢迎使用R
2 (p1-1-1): 1.1 R是什么
2 (p1-1-2): 1.2 为什么用R
3 (p1-1-3): 1.3 为什么不用R
4 (p1-1-4): 1.4 什么时候用R
4 (p1-1-5): 1.5 如何使用本书
6 (p1-1-6): 1.6 关键点
7 (p1-2): 第2章 R综述
7 (p1-2-1): 2.1 开始
8 (p1-2-2): 2.2 R用途快速指南
11 (p1-2-3): 2.3 R命令基础
12 (p1-2-4): 2.4 基础对象
21 (p1-2-5): 2.5 数据框
24 (p1-2-6): 2.6 载入和存储数据
27 (p1-2-7): 2.7 编写函数
30 (p1-2-8): 2.8 清理
30 (p1-2-9): 2.9 知识拓展
31 (p1-2-10): 2.10 关键点
34 (p2): 第二部分 数据分析基础知识
34 (p2-1): 第3章 数据描述
34 (p2-1-1): 3.1 模拟数据
38 (p2-1-2): 3.2 关于变量的函数
41 (p2-1-3): 3.3 概括数据框
45 (p2-1-4): 3.4 单变量可视化
54 (p2-1-5): 3.5 知识拓展
55 (p2-1-6): 3.6 关键点
56 (p2-2): 第4章 连续变量之间的关系
56 (p2-2-1): 4.1 零售数据
60 (p2-2-2): 4.2 用散点图探索变量间关系
65 (p2-2-3): 4.3 把多张图合并为一张图
67 (p2-2-4): 4.4 散点图矩阵
70 (p2-2-5): 4.5 相关系数
76 (p2-2-6): 4.6 探索问卷调查回复间的相关性
78 (p2-2-7): 4.7 知识拓展
78 (p2-2-8): 4.8 关键点
80 (p2-3): 第5章 组比较：表格和可视化
80 (p2-3-1): 5.1 模拟客户分组数据
87 (p2-3-2): 5.2 各组对应的描述统计量
96 (p2-3-3): 5.3 知识拓展
97 (p2-3-4): 5.4 关键点
98 (p2-4): 第6章 组比较：统计检验
98 (p2-4-1): 6.1 用于比较的数据
98 (p2-4-2): 6.2 频数检验：chisq.test（）
101 (p2-4-3): 6.3 观测比例检验：binom.test（）
103 (p2-4-4): 6.4 组均值检验：t.test（）
104 (p2-4-5): 6.5 多组均值检验：ANOVA
109 (p2-4-6): 6.6 初识贝叶斯ANOVA
113 (p2-4-7): 6.7 知识拓展
114 (p2-4-8): 6.8 关键点
115 (p2-5): 第7章 识别结果变量的驱动因子：线性模型
115 (p2-5-1): 7.1 游乐场数据
117 (p2-5-2): 7.2 用1m（）函数拟合线性模型
125 (p2-5-3): 7.3 拟合多元线性模型
129 (p2-5-4): 7.4 因子自变量
131 (p2-5-5): 7.5 交互效应
134 (p2-5-6): 7.6 避免过度拟合
134 (p2-5-7): 7.7 建议的线性模型拟合过程
135 (p2-5-8): 7.8 贝叶斯线性模型：MCMCregress（）
136 (p2-5-9): 7.9 知识拓展
137 (p2-5-10): 7.10 关键点
140 (p3): 第三部分 高级营销应用
140 (p3-1): 第8章 降低数据复杂度
140 (p3-1-1): 8.1 消费者品牌评分数据
144 (p3-1-2): 8.2 主成分分析和感知图
151 (p3-1-3): 8.3 探索性因子分析
157 (p3-1-4): 8.4 高维标度化简介
160 (p3-1-5): 8.5 知识扩展
160 (p3-1-6): 8.6 关键点
162 (p3-2): 第9章 线性模型相关的其他话题
162 (p3-2-1): 9.1 处理高度相关的变量
166 (p3-2-2): 9.2 二项结果变量的线性模型：逻辑回归
175 (p3-2-3): 9.3 分层线性模型
182 (p3-2-4): 9.4 贝叶斯分层线性模型
187 (p3-2-5): 9.5 频率学派和贝叶斯学派HLM模型的简单比较
190 (p3-2-6): 9.6 知识拓展
191 (p3-2-7): 9.7 关键点
193 (p3-3): 第10章 验证性因子分析和结构方程模型
193 (p3-3-1): 10.1 结构模型的出发点
195…