在本书中，畅销书作者、统计学专家和顾问Conrad Carlberg介绍了使用Microsoft Excel如何从大数据中提炼出有用的信息以帮助你进行决策。书中详细介绍了如何把客户（或者其他类型的数据）分成合理的群组，以进行从定价到交叉销售，从投资决策到库房管理的多个决策。
知名统计学专家、多部畅销书作者Conrad Carlberg倾情撰写，循序渐进系统讲解Excel决策分析的各种技术、方法和实践，指导读者充分利用已有数据优化业务和投资决策，Amazon全五星评价
从基本原理、适用范围、数据构造需求和实际执行方法等方面，由浅入深介绍决策分析涉及的主要统计学方法，包括逻辑回归、单变量及多变量方差分析、判别分析、主分量分析和聚类分析，包含大量实用案例
你是不是被所拥有的大数据搞得不知所措？是不是不知道要提出什么问题，也不知道怎么提出问题？使用Microsoft Excel和经过证明的决策分析技术，你可以从所有数据中提炼出容易控制的数据集——并使用它们优化许多业务和投资决策。在本书中，多部统计学畅销书作者、统计学专家Conrad Carlberg将手把手由浅入深地告诉你如何做到这一点。
Carlberg指导你用决策分析将客户（或者其他对象）分解为有意义、可以采取相应措施的分组和群集。接着，你将学习优化业务和其他方面（从定价到交叉销售，从招聘到投资）各种决策的实用方法，甚至面部识别软件也可以使用本书讨论的技术。
通过实例，Carlberg帮助你理解作为决策分析基础的技术和假设，并使用简单的Excel图表，直观地表现结果。以此为基础，你可以在Excel中进行自己的分析，处理SAS和SPSS等高级统计软件生成的结果。
本书英文版网站包含大量可下载的Excel工作簿，你可以根据自己的需求进行改编，工作簿中的VBA代码简化了最为复杂的多项技术。
通过阅读本书，你将学到：
根据现有分类或者预测变量自然存在的群集，对数据进行分类。
精简变量和记录的数量，以便获得需要的答案。
利用聚类分析，寻找市场研究和许多其他应用中的相似性模式。
学习多重判别分析，帮助你分类案例。
使用MANOVA确定分组在多变量重心上是否有差异。
使用主分量研究数据，寻找模式，识别潜在因素。
作者简介
Conrad Carlberg 是美国量化分析、数据分析和管理应用程序（如Microsoft Excel、SAS和Oracle）领域的知名专家，也是微软Excel最有价值专家（MVP）。他拥有科罗拉多大学统计学博士学位，在高级分析技术应用方面有25年从业经验，并撰写了11部有关Excel量化分析的著作，包括《Statistical Analysis：Microsoft Excel 2010 》和《Predictive Analytics：Microsoft Excel》等。他的公司（www.conradcarlberg.com）致力于各种公司日常涉及的销售、员工、客户管理和其他运营数据库系统数据的量化分析。
内容简介
本书由知名统计学专家、畅销书作者Conrad Carlberg倾情撰写，循序渐进系统讲解Excel决策分析的各种技术、方法和实践，指导读者充分利用已有数据优化业务和投资决策，Amazon全五星评价。作者从基本原理、适用范围、数据构造需求和实际执行方法等方面，由浅入深介绍决策分析涉及的主要统计学方法，包括逻辑回归、单变量及多变量方差分析、判别分析、主分量分析和聚类分析等，并提供大量实用案例，实践性强。
本书共分9章：第1章介绍决策分析的几个组件，并解释了根据现有类别和自然群组分类的几种方法；第2章讲解逻辑回归的原理、残差的分布，以及如何使用逻辑回归；第3章介绍单变量方差分析（ANOVA）的基本理论和计算；第4章介绍多变量方差分析（MANOVA）的原理及如何使用Excel进行MANOVA分析；第5章介绍判别函数分析的基础、目的及其与多重回归分析之间的关系——至少在两个分组的情况下；第6章进一步讨论超出两个分组和超出两个连续变量的判别函数分析；第7章讨论用于MANOVA和判别分析的概念和方法，以及聚类分析的一些有趣的潜力；第8章介绍聚类分析的一些入门知识，并讨论两种根本不同的方法——链接（或者层次）方法和中心距离方法，特别是流行的K均值方法；第9章进一步探讨聚类分析，并提供两个结合使用聚类分析和主分量分析的例子。
首先要告诉读者的是：本书所用的Excel工作簿可以从本书英文版出版商的网站quepublishing.com/title/9780789751683上下载。下载链接有时候难以和常规文本区分，但是链接和工作簿都在那里。
从第2章开始，每章都有自己的Excel工作簿，每章中的每幅插图都是一个单独的工作表。还有几个附加的工作簿用于执行聚类分析、判别函数分析和其他没有自己的工作表函数的分析过程。
好吧，我们来做个澄清：
本书不是关于获取、存储和分割所谓“大数据”的书籍。本书讲述的是关于如何了解数字的含义—它们到底是“大数据”，还是“小啤酒”。
我们都碰到过这种情况：有30个变量需要处理，每个都可能很重要，各自针对有趣现象的不同侧面，可能是12个月的生存率，或者投资盈利的可能性，或者了解新雇员的业绩。不管你需要处理的是200个还是200 000个记录，真正的问题是如何处理这30个变量。如何组合或者抛弃它们，以做出关于药物效果，是否提供资金，以及雇用哪位应征者的正确决策。
本书内容
本书的主题是：寻找你所掌握的变量的最佳组合，以便尽可能做出明智的决策。
这是使用定量分类技术的一种实践，此类技术有如下几种。
判别函数分析有悠久的光荣历史。它的用途很广泛，范围从根据法律记录辨别19世纪政治家所属党派，到根据扣减金额和调整金额，标记可能的不实1040表格。第5章和第6章带你经历这种分析，探索所涉及的数据简化技术。它们能够让你看到，在工作表和图表的环境中，判别函数分析如何起作用。
因为判别分析依赖多变量方法处理连续变量，所以我加入了第7章。第7章能够帮助你了解特征值和特征向量等概念，因为它们与相关矩阵有关—同样，也是在熟悉的Excel工作表和图表环境中。
你还可以下载一个工作簿，其中包含了运行完整的判别函数分析并输出显著性测定、函数系数、典型相关和其他功能的VBA代码，在正文中将对此进行解释，并在该章的工作簿中进一步展示。
进行判别分析的最佳方法是利用多变量方差分析（MANOVA）。你将会看到，MANOVA能够帮助你确定执行判别函数分析是否有意义—因变量（非独立变量）之间是否相关，以及区分不同的人和行为分组的能力，以支持进一步分析。因此，第4章讨论MANOVA，你可以下载一个单独的工作簿，运行多个因变量的单因素MANOVA。
如果你有很久没思考过ANOVA或者MANOVA的问题了，可能应该通读第3章。作为MANOVA的背景知识，在工作表的环境中了解ANOVA管理变量的能力是很有帮助的。
除了判别函数分析之外，对人或者市场行为（或者政治家、室内植物）进行分类的另一种方法是逻辑回归。这是一种实用的方法，它避免了判别分析可能犯的一些错误。例如，逻辑回归不会像判别分析那样，做出关于数据分布方式的所有假设。所以，如果担心数据违背了那些假设（老实说，即使这些假设不成立，你的分析也不一定无效），往往可以使用逻辑回归来代替，作为决策分析的基础。
另一方面，那些假设给判别分析带来了统计能力——成功和可靠地区分不同对象组的能力。在其他情况相同时，判别分析对分类的指导比逻辑回归更敏感。
在我的前一本书《Predictive Analytics: Microsoft Excel》中为逻辑回归保留了两章。在本书第2章中我对此进行了介绍，更多的是一种复习，而非完整的讨论。
第8章和第9章介绍了其他决策分析方法。在逻辑回归和判别分析中，你知道分组的情况。你有一个或大或小的数据样板，观测值包括所属组（幸存与否、盈利与否、输赢）和你希望用来帮助你做出好的决策的变量（人口统计学数据、财务数据、购买历史）。
但是在聚类分析中，你不知道自己的分组。例如，你有一组人口统计学变量，希望知道如何用它们对人们进行分类。 你对数据集实施聚类分析的某一变种，希望它聚合样本中的人，使得同一个群集中的人在人口统计学上的差异较小，而不同群集的人之间差别相对大。
Leland Wilkinson在1986年对这种决策分析方法做出了一种恰当的描述，他写道，“粗略地说，这种方法就像一种单向的差异分析，其中的组别未知，最大的F值通过重新安排每个组的成员来求得。”（参见SYSTAT手册“Cluster”节的第1页）。
为什么使用Excel
感谢大家购买我写的书。但是，我还是一位顾问，我希望客户理解我对他们交给我的数字做了什么。我认为这是20年之后，我仍然工作在这个行业的主要原因之一。
我不喜欢交给客户一堆R输出，不管是采用字面形式还是电子形式。我这么说并不是对R语言有什么意见。尽管文档难以理解，结果就像Fortran语言输出的，它仍是很好的统计程序。我经常使用R来进行Excel中所完成工作的基准测试。
SAS、SPSS、Stata和类似的软件包在文档上比R好得多，分析结果也采用更直接的方式输出。但是，它们太贵了。而且，和R一样，使用它们需要付出相当多的精力进行研究，才能学会用户界面的正确用法和正确地处理命令语法。
相比之下，我的大部分客户都很适应熟悉的Excel环境，并且欣赏在Excel图表中简单地查看一组数字的能力。当然，也很难在公司或者教学环境中找到一台没有安装和运行某种Excel版本的Windows电脑。
但是Excel能够处理分析（特别是决策分析）所需的复杂数据归纳方法吗？显然，我相信它可以。Excel确实是一个通用的数字分析软件包，从一开始就不是为了提供特殊的统计功能而设计的。它们没有WILKS()工作表函数。
Excel提供了一个MDETERM()工作表函数，如果将它指向一个组内矩阵和一个总体矩阵，就可以得到自己的Wilks Lambda值。假定你是一位分析的新手，或者企业的高级管理人员，想要知道为什么有人认为Wilks Lambda值说明应该回避某项业务。我主张，在任何一种情况下，你更应该了解的是：为什么它能够告诉你一些情况，而不仅仅是知道这个数值是什么意思。
而且，如果使用得当，Excel能够帮助你了解那些情况。有时候，所需要的就只是一个内建的工作表函数。直接在工作表上进行多变量方差分析完全是可能的，不需要任何附加程序。我认为这样做一两次很有好处，因为它能够帮助你巩固对概念的理解。
但是，有时候你需要Excel Slover规划求解加载项（Excel自带的一个附加程序）等工具的帮助。第2章告诉你如何使用规划求解加载项完成逻辑回归（顺便说一句，纯统计软件包使用相同的优化算法—只是它们掩盖了这一方法，所以你没有发现）。
还有一些处理，例如寻找大型相关矩阵的特征值，它们过于复杂且依赖循环，如果没有编写子程序，尝试起来会令人发疯。但是，可以在本书的Excel文件中找到用VBA编写的子程序，有些是开放的。
强调一下我的观点：2013年年初，我着手帮助一家公司建立一个评估未来投资的模型。客户有将近10万个用于开发该模型的记录。 根据数据的特性，需要采用逻辑回归，客户以文本文件的方式提供数据，这很容易用Excel读取。我尝试使用Excel在该数据集上运行逻辑回归，我的公式导致下溢。
然后，我使用R，让数据通过一个逻辑回归例程（R程序库的一部分），再次遇到了下溢的情况。在很多情况下，中间结果对于Excel或者R都太小了，无法精确处理。
现在，这不再会带来真正的问题了。我打算保留一些数据用于交叉验证，所以随机地将一半数据通过R的逻辑回归例程，得到结果，并用剩下的一半数据进行验证。然后，我用Excel确认结果。当然，客户得到了R和Excel的结果，但是我注意到，客户随后利用该模型所做的工作若采用Excel，公式的结果会更加透明。
现在，这个普通的小故事不仅是件趣闻，还是一个样板。它真实发生了，是我自己使用Excel作为分析引擎的一次典型体验。如果你尝试本书中描述的方法，我相信你也会得出同样的结论。
说得够多了。建议你带上喜欢的饮料，打开笔记本电脑，进入第1章。
致谢
我要再次感谢Loretta Yates，感谢她在协作过程中对本书的精妙指导，还要感谢她坚定的支持和平和的性情。感谢科罗拉多大学调查与评估方法实验室的Michael Turner提供很好的技术编辑，他的工作使我免于在付印的书籍中遭遇尴尬，并且在必要的时候使我回到正确的路上。对Anne Jones，我能说什么呢？她为《Statistical Analysis:Microsoft Excel 2010》和《Predictive Analytics：Microsoft Excel》所做的封面设计和内容一样吸引读者，现在她又一次这么做了。感谢Geneil Breeze在编辑文稿时温和地提醒我，在初稿中有些卖弄学问了。感谢Elaine Wiley在百忙之中抽出时间来管理这个项目。我衷心地感谢大家！
计算机\管理
你是否被所拥有的大数据搞得不知所措？是否不知道要提出什么问题，也不知道怎么提出问题？使用Microsoft Excel和经过证明的决策分析技术，你可以从所有数据中提炼出容易控制的数据集——并使用它们优化许多业务和投资决策。在本书中，多部统计学畅销著作作者、统计学专家Conrad Carlberg将手把手由浅入深地告诉你如何做到这一点。
Carlberg指导你用决策分析将客户（或者其他对象）分解为有意义、可以采取相应措施的分组和群集。接着，你将学习优化业务和其他方面（从定价到交叉销售，从招聘到投资）各种决策的实用方法，甚至面部识别软件也可以使用本书讨论的技术。
通过实例，Carlberg帮助你理解作为决策分析基础的技术和假设，并使用简单的Excel图表，直观地表现结果。以此为基础，你可以在Excel中进行自己的分析，处理SAS和SPSS等高级统计软件生成的结果。
本书英文版网站包含大量可下载的Excel工作簿，你可以根据自己的需求进行改编，工作簿中的VBA代码简化了最为复杂的多项技术。
通过阅读本书，你将学到：
根据现有分类或者预测变量自然存在的群集，对数据进行分类。
精简变量和记录的数量，以便获得需要的答案。
利用聚类分析，寻找市场研究和许多其他应用中的相似性模式。
学习多重判别分析，帮助你分类案例。
使用MANOVA确定分组在多变量重心上是否有差异。
使用主分量研究数据，寻找模式，识别潜在因素。
（美）Conrad Carlberg 著：暂无简介
姚军 译：暂无简介
随着大数据的兴起，当今世界真正成了数据爆炸的世界，许多企业担心的不是缺乏数据，而是如何在海量数据中挖掘出能够指导商业决策、客户分析等的运营措施，从而为企业长期目标提供支持。
决策分析的基础是统计学，这一古老的综合学科经过两千年的发展，已经形成了许多经典的理论和方法，而这些方法在进入计算机时代之后更是得到了很大的推动，原来乏味费时的计算被高速的计算机自动化代码所代替，人们也从这些应用中获得了很多成果，每一位注意该领域的人，无不为数据挖掘中的许多经典案例拍案称奇，许多高级统计软件（如SAS、SPSS）的出现，更将统计学的商业应用推向了顶峰。
也许正因为有了这些很好的软件，普通的商业分析人员越来越少去探究决策分析方法的基础理论和方法，而更多地借助软件中的现成功能。由于高级统计软件价格不菲，它们注定也只能是大型企业的宠儿，对于中小规模企业的分析人员，以及对高级软件分析结果进行一些简单处理的分析人员来说，深入了解这些理论和方法，并且用更容易得到、更经济的解决方案去完成分析，便成了一项迫在眉睫的任务。
本书的目的正是为广大分析人员提供这样的方案。作为量化分析方面的资深人士，作者用几乎所有PC上都拥有的通用办公软件Excel，完成了许多在大型软件上才能完成的分析工作。从本书的例子中就可以看出，Excel可以得出与大型软件相同的分析结果，只要编写一些代码，它也具备相当的自动化能力，从本书英文版出版商网站上可以下载的本书配套Excel工作簿中，读者可以得到许多分析所需的通用代码，并根据自己的需求进行改编，构造自己的小型分析系统。
更重要的是，本书系统地从原理、适用范围、数据构造需求和实际执行方法多个角度，介绍决策分析中的主要统计学方法，包括逻辑回归、单变量及多变量方差分析、判别分析、主分量分析和聚类分析。本书中介绍的例子，许多都是统计学发展历史上的经典实例。细细读来，读者就会发现，数据挖掘中的许多神奇发现其实可能就在我们的周围，只要你掌握了基本原理和方法，加上细心的观察、分析和数据收集，下一个创造奇迹的也许就是你。
翔实的解说和实例，使本书成为一本不可多得的决策分析入门教程。在此我们诚挚地向有志于此的读者推荐本书，希望它能成为你成功路上的帮手。书中涉及大量统计学知识，由于译者水平所限，错误在所难免，希望广大读者见谅，并多多提出意见。
本书的翻译工作主要由姚军完成，徐锋、陈绍继、郑端、吴兰陟、施游、林起浪、陈志勇、刘建林、宁懿等人也为本书的翻译工作做出了贡献。
译 者
译者序
前 言
第1章 决策分析组件 1
1.1 根据现有类别分类 1
1.1.1 使用两个步骤的方法 1
1.1.2 多重回归和决策分析 2
1.1.3 获取参考样本 3
1.1.4 多变量方差分析 4
1.1.5 判别函数分析 5
1.1.6 逻辑回归 6
1.2 根据自然存在的群组分类 7
1.2.1 主分量分析 7
1.2.2 聚类分析 8
1.3 一些术语学问题 10
1.3.1 设计决定术语 10
1.3.2 因果关系与预测的对比 11
1.3.3 术语为什么重要 12
第2章 逻辑回归 13
2.1 逻辑回归原理 14
2.1.1 比例问题 15
2.1.2 关于基本假设 17
2.1.3 均等分布 17
2.1.4 对分法中的等方差 19
2.1.5 均等分布和范围 19
2.2 残差的分布 21
2.2.1 残差的计算 21
2.2.2 对分的残差 21
2.3 使用逻辑回归 22
2.3.1 使用可能性而非概率 23
2.3.2 使用对数优势比 24
2.3.3 使用最大似然方法代替最小二乘方法 25
2.4 最大化对数似然率 26
2.4.1 建立数据 26
2.4.2 建立逻辑回归方程式 27
2.4.3 求得优势比 29
2.4.4 求得概率 29
2.4.5 计算对数似然率 30
2.4.6 寻找和安装规划求解加载项 31
2.4.7 运行规划求解 31
2.5 对数似然法原理 33
2.5.1 正确分类的概率 34
2.5.2 使用对数似然 35
2.6 对数似然率的统计显著性 37
2.6.1 建立精简模型 38
2.6.2 建立完整模型 40
第3章 单变量方差分析（ANOVA） 42
3.1 ANOVA的逻辑 43
3.1.1 使用方差 43
3.1.2 方差分区 44
3.1.3 方差预期值（组内） 45
3.1.4 方差预期值（组间） 46
3.1.5 F比率 49
3.1.6 非中心F分布 52
3.2 单因素ANOVA 53
3.2.1 采用错误率 54
3.2.2 计算统计数字 55
3.2.3 得出均值的标准误差 57
3.3 使用Excel的数据分析加载项 59
3.3.1 安装数据分析加载项 59
3.3.2 使用“方差分析：单因素方差分析”工具 60
3.4 理解ANOVA输出 62
3.4.1 使用描述统计 62
3.4.2 使用推论统计 62
3.5 回归方法 65
3.5.1 使用影响编码 66
3.5.2 LINEST()公式 68
3.5.3 LINEST()结果 68
3.5.4 LINEST()推断统计 70
第4章 多变量方差分析（MANOVA） 72
4.1 MANOVA原理 72
4.1.1 相关变量 73
4.1.2 ANOVA中的相关变量 73
4.2 理解多变量ANOVA 74
4.2.1 单变量ANOVA结果 75
4.2.2 多变量ANOVA结果 76
4.2.3 均值和重心 78
4.3 从ANOVA到MANOVA 78
4.3.1 使用SSCP代替SS 80
4.3.2 获得组间和组内SSCP矩阵 83
4.3.3 平方和与SSCP矩阵 85
4.4 求得多变量F比率 86
4.5 Wilks’ Lambda和F比率 88
4.6 在Excel中运行MANOVA 90
4.6.1 数据布局 91
4.6.2 运行MANOVA代码 91
4.6.3 描述统计 92
4.6.4 离差矩阵的同一性 93
4.6.5 单变量和多变量F检验 95
4.7 多变量测试之后 96
第5章 判别函数分析基础 98
5.1 将类别当作数字处理 99
5.2 判别分析原理 100
5.2.1 多重回归和判别分析 100
5.2.2 调整视角 101
5.3 判别分析和多重回归 103
5.3.1 回归、判别分析和典型相关 103
5.3.2 编码和多重回归 104
5.4 判别函数和回归方程式 106
5.5 从判别权重到回归系数 107
5.5.1 回归和判别分析中的特征结构 110
5.5.2 结构系数可能引起误导 112
5.6 小结 113
第6章 判别函数分析：进一步的问题 114
6.1 使用判别工作簿 114
6.1.1 打开判别工作簿 114
6.1.2 使用判别对话框 116
6.2 为什么在鸢尾花上运行判别分析 118
6.2.1 评估原始测度 118
6.2.2 判别分析和投资 119
6.3 用R进行基准测试 121
6.3.1 下载R 121
6.3.2 编排数据文件 122
6.3.3 运行分析 123
6.4 Discrim加载项的结果 126
6.4.1 判别结果 126
6.4.2 解读结构系数 128
6.4.3 特征结构和系数 129
6.4.4 系数的其他用途 132
6.5 案例分类 134
6.5.1 与重心的距离 135
6.5.2 均值修正 135
6.5.3 调整方差–协方差矩阵 139
6.5.4 指定一个分类 140
6.5.5 创建分类表格 141
6.6 训练样本：提前知晓的分类 142
第7章 主分量分析 144
7.1 为主分量分析建立概念性框架 145
7.1.1 主分量和测试 145
7.1.2 PCA的基本原则 146
7.1.3 相关与斜交因素旋转 146
7.2 使用主分量加载项 147
7.2.1 相关矩阵 149
7.2.2 R矩阵的逆矩阵 149
7.2.3 球形测试 152
7.3 特征值和系数的计算以及公用因素方差的理解 152
7.3.1 有几个分量 153
7.3.2 因素得分系数 155
7.3.3 公共因素方差 155
7.4 单独结果之间的关系 156
7.4.1 使用特征值和特征向量 156
7.4.2 特征值、特征向量和负载 157
7.4.3 特征值、特征向量和因素系数 159
7.4.4 从因素得分直接获得特征值 159
7.5 获得特征值和特征向量 160
7.6 旋转因素以得到有意义的解决方案 164
7.6.1 确定因素 164
7.6.2 最大方差旋转 167
7.7 分类示例 169
7.7.1 州犯罪率 169
7.7.2 蚜虫物理测量 173
第8章 聚类分析：基础知识 175
8.1 聚类分析、判别分析和逻辑回归 175
8.2 欧几里得距离 176
8.3 寻找群集：单连接方法 180
8.4 聚类分析的自选择特性 185
8.5 发现群集：全连接方法 187
8.5.1 全连接：示例 188
8.5.2 其他连接方法 191
8.6 发现群集：K均值方法 191
8.6.1 K均值分析特性 191
8.6.2 K均值的一个例子 192
8.7 用R对K均值方法进行基准测试 196
第9章 聚类分析：更深入的问题 198
9.1 使用K均值工作簿 198
9.1.1 确定群集数量 200
9.1.2 群集成员工作表 201
9.1.3 群集重心工作表 203
9.1.4 群集方差工作表 204
9.1.5 F比率工作表 206
9.1.6 报告过程统计 208
9.2 使用主分量进行聚类分析 209
9.2.1 主分量回顾 210
9.2.2 葡萄酒的聚类分析 213
9.2.3 结果的交叉验证 216
