CHAID决策树方法介绍

CHAID界面1
模型选择
CHAID 界面2
目标变量
预测变量
定义变量类型
频率变量（加权）
CHAID界面3
不校验树图
CHAID界面4
高级选Leabharlann Baidu中有一些关于模型的重要选项
CHAID输出结果图
检验统计量 二级变量 二级变量 一级变量
三级变量
Gain Table
最终的5个节点 （细分市场）
细分市场的利润指数
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。
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
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。
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？
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。
可供市场细分的变量
地理变量
地区、城市
人口变量
年龄，性别， 家庭规模，生命周 期, 收入
社会心理
社会阶层，生活方式 性格
行为变量
场合，利益， 使用量
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 （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
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