小数据 → y：连续性变量 → x：6个以内 → 理论 → 验证 → 统计分析；

大数据 → y：分类变量 → x：15个以内 → 探索 → 数据挖掘；

一、X的选择流程

1. 业务（业务专家）：运营报告 → 年度报/季度报 总是提到的字段 → 非常重要的变量；
2. 相关：求xi与y相关系数 → 降序排序 → 底部30%删除 → 非常不重要的变量；
3. 共线性：求x与x之间的相关系数 → 删除相关性较高的变量 → 比较重要的变量；
4. 建回归：分部门建立y与x回归（运营报告页数决定部门重要性） → 每个部分删除50% → 比较不重要的变量；
5. 主成分分析：一般控制6个以内（主要针对比较不重要的变量）；

老年人和未成年人电商不分析 → 主要是促销活动容易触发法律；

电商领域很多指标都是反推出来的；

二、SPSS操作过程

第一步：

实用程序 → 定义变量集 → 第一步                实用程序 → 使用变量集 → 第一步

 第二步：

分析 → 相关 → 双变量

实用程序 → 定义变量集 → 第二步                实用程序 → 使用变量集 → 第二步

 

第三步：

不怕共线性的算法：贝叶斯，包含主成分的算法

r > 0.8：要注意共线性带来的问题；    r > 0.9：要处理；

spss方差膨胀因子：线性回归 → 统计 → 共线性诊断（适用于小数据）；

 

 

 

统计法处理高相关变量（整合变量）：曲线拟合

分析 → 回归 → 曲线估算

 

 

实用程序 → 定义变量集 → 第三步                实用程序 → 使用变量集 → 第三步

 

第四步：

回归 → 二元logistic

 

 实用程序 → 定义变量集 → 第四步                实用程序 → 使用变量集 → 第四步

 

第五步：

分析 → 降维 → 因子

 

  实用程序 → 定义变量集 → 第五步                实用程序 → 使用变量集 → 第五步

最后：建立二元logistic回归