新华书店 基于R和PYTHON的行为数据分析 法 弗洛朗·布韦松 Florent Buisson 著 著 林琪 等 译 译 中国电力出版社 9787523901588
配送至
| 开本：16开 |
| 纸张：轻型纸 |
| 包装：平装 |
| 是否套装：否 |
| 国际标准书号ISBN：9787523901588 |
| 所属分类：图书>计算机/网络>数据库>数据仓库与数据挖掘 |
商品详情
作者法弗洛朗·布韦松 著 著 林琪 等 译 译
著法弗洛朗·布韦松 著 著 林琪 等 译 译 译
装帧平装
印次
出版社中国电力出版社
开本开
印刷时间暂无
语种暂无
出版时间
页数
外部编号
版次
成品尺寸暂无
前言
第一部分理解行为
第章数据分析因果–行为框架
为什么需要因果分析解释人类行为
不同分析类型
人是复杂的
混淆！用回归解决问题的潜在危险
数据
为什么相关关系不是因果关系：混杂因素的作用
太多变量可能坏事
小结
第章理解行为数据
人类行为基本模型
个人特征
认知和情感
意图
行动
业务行为
如何连接行为和数据
建立一种行为完整性思维模式
不信任与验证
识别类别
细化行为变量
了解上下文
小结
第二部分因果图和去混杂
第章因果图介绍
因果图和因果–行为框架
因果图表示行为
因果图表示数据
因果图的基本结构
链式结构
分叉结构
对撞结构
因果图的常见转换
划分拆解变量
聚合变量
关于环
路径
小结
第章从头构建因果图
业务问题和数据准备
数据和包
理解感兴趣的关系
识别要包含的候选变量
行动
意图
认知和情感
个人特征
业务行为
时间趋势
根据数据确认要包含的可观察变量
数值变量间的关系
分类变量间的关系
数值与分类变量间的关系
交互扩展因果图
明确未观察变量的代理
明确进一步原因
迭代
简化因果图
小结
第章数据分析中使用因果图去混杂
业务问题：冰淇淋和瓶装水销售
析取原因规则
定义
第一个模块
第二个模块
后门规则
定义
第一个模块
第二个模块
小结
第三部分鲁棒数据分析
第章处理缺失数据
数据和包
缺失数据可视化
缺失数据量
缺失的相关性
诊断缺失数据
缺失的原因：分类
诊断变量
诊断变量
诊断变量
缺失性范围
处理缺失数据
多重插补（）简介
默认插补方法：预测均值匹配
从到正态插补（仅）
增加辅助变量
增加插补数据集数量
小结
第章使用测量不确定性
简介：自“引导”
包
业务问题：有一个异常值的小数据
样本均值的置信区间
置信区间用于自定义统计分析
用于回归分析
何时使用
传统中心估计的充分条件
传统的充分条件
确定样本数
和中优化
：包
优化
小结
第四部分设计和分析实验
第章实验设计：基础
计划实验：改变理论
业务目标和目标指标
干预
行为逻辑
数据和包
确定随机分配和样本量功效
随机分配
样本量和功效分析
分析和解释实验结果
小结
第章分层随机化
计划实验
业务目标和目标指标
干预定义
行为逻辑
数据和包
确定随机分配和样本量功效
随机分配
使用模拟的功效分析
分析和解释实验结果
鼓励干预的意向性估计
强制干预的
小结
第章聚类随机与层次建模
计划实验
业务目标和目标指标
干预定义
行为逻辑
数据和包
分层建模介绍
代码
代码
确定随机分配和样本量功效
随机分配
功效分析
分析实验
小结
第五部分行为数据分析高级工具
第章调节
数据和包
调节的各种行为
细分
相互作用
非线性
如何应用调节
何时需要调节
多调节量
用验证调节
解释单个系数
小结
第章中介和工具变量
中介
理解因果机制
因果偏差
识别中介
度量中介
工具变量
数据
包
理解和分析
度量
应用：常见问题
小结
参考文献
弗洛朗·布韦松， ，是一位行为经济学家，在商业、分析和行为科学领域有余年的经验。近年来他在保险公司创立并领导了四年的行为科学团队。之前他曾在一家法国战略咨询公司工作，在那里他使用经济学和数据分析来回答复杂的测量问题，例如代表联合国粮农组织建立一个度量发展中国家农业政策稳定性的指标。他还从事过专业医疗分析，分析重症患者的行为。曾在同行评议的 等期刊上发表学术文章。他拥有巴黎大学计量经济学硕士学位和行为经济学博士学位。
作者法弗洛朗·布韦松 著 著 林琪 等 译 译
著法弗洛朗·布韦松 著 著 林琪 等 译 译 译
装帧平装
印次
出版社中国电力出版社
开本开
印刷时间暂无
语种暂无
出版时间
页数
外部编号
版次
成品尺寸暂无
前言
第一部分理解行为
第章数据分析因果–行为框架
为什么需要因果分析解释人类行为
不同分析类型
人是复杂的
混淆！用回归解决问题的潜在危险
数据
为什么相关关系不是因果关系：混杂因素的作用
太多变量可能坏事
小结
第章理解行为数据
人类行为基本模型
个人特征
认知和情感
意图
行动
业务行为
如何连接行为和数据
建立一种行为完整性思维模式
不信任与验证
识别类别
细化行为变量
了解上下文
小结
第二部分因果图和去混杂
第章因果图介绍
因果图和因果–行为框架
因果图表示行为
因果图表示数据
因果图的基本结构
链式结构
分叉结构
对撞结构
因果图的常见转换
划分拆解变量
聚合变量
关于环
路径
小结
第章从头构建因果图
业务问题和数据准备
数据和包
理解感兴趣的关系
识别要包含的候选变量
行动
意图
认知和情感
个人特征
业务行为
时间趋势
根据数据确认要包含的可观察变量
数值变量间的关系
分类变量间的关系
数值与分类变量间的关系
交互扩展因果图
明确未观察变量的代理
明确进一步原因
迭代
简化因果图
小结
第章数据分析中使用因果图去混杂
业务问题：冰淇淋和瓶装水销售
析取原因规则
定义
第一个模块
第二个模块
后门规则
定义
第一个模块
第二个模块
小结
第三部分鲁棒数据分析
第章处理缺失数据
数据和包
缺失数据可视化
缺失数据量
缺失的相关性
诊断缺失数据
缺失的原因：分类
诊断变量
诊断变量
诊断变量
缺失性范围
处理缺失数据
多重插补（）简介
默认插补方法：预测均值匹配
从到正态插补（仅）
增加辅助变量
增加插补数据集数量
小结
第章使用测量不确定性
简介：自“引导”
包
业务问题：有一个异常值的小数据
样本均值的置信区间
置信区间用于自定义统计分析
用于回归分析
何时使用
传统中心估计的充分条件
传统的充分条件
确定样本数
和中优化
：包
优化
小结
第四部分设计和分析实验
第章实验设计：基础
计划实验：改变理论
业务目标和目标指标
干预
行为逻辑
数据和包
确定随机分配和样本量功效
随机分配
样本量和功效分析
分析和解释实验结果
小结
第章分层随机化
计划实验
业务目标和目标指标
干预定义
行为逻辑
数据和包
确定随机分配和样本量功效
随机分配
使用模拟的功效分析
分析和解释实验结果
鼓励干预的意向性估计
强制干预的
小结
第章聚类随机与层次建模
计划实验
业务目标和目标指标
干预定义
行为逻辑
数据和包
分层建模介绍
代码
代码
确定随机分配和样本量功效
随机分配
功效分析
分析实验
小结
第五部分行为数据分析高级工具
第章调节
数据和包
调节的各种行为
细分
相互作用
非线性
如何应用调节
何时需要调节
多调节量
用验证调节
解释单个系数
小结
第章中介和工具变量
中介
理解因果机制
因果偏差
识别中介
度量中介
工具变量
数据
包
理解和分析
度量
应用：常见问题
小结
参考文献
弗洛朗·布韦松， ，是一位行为经济学家，在商业、分析和行为科学领域有余年的经验。近年来他在保险公司创立并领导了四年的行为科学团队。之前他曾在一家法国战略咨询公司工作，在那里他使用经济学和数据分析来回答复杂的测量问题，例如代表联合国粮农组织建立一个度量发展中国家农业政策稳定性的指标。他还从事过专业医疗分析，分析重症患者的行为。曾在同行评议的 等期刊上发表学术文章。他拥有巴黎大学计量经济学硕士学位和行为经济学博士学位。