电信客户流失预测的统计分析--基于广义线性混合模型的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| 第一节 选题的背景和意义 | 第9-11页 |
| 第二节 电信客户流失预测研究综述 | 第11-14页 |
| 一、客户流失问题的影响因素 | 第11-12页 |
| 二、电信客户流失预警分析中的预测方法 | 第12-14页 |
| 第三节 广义线性模型和广义线性混合模型研究综述 | 第14-17页 |
| 一、理论研究综述 | 第14-16页 |
| 二、应用研究综述 | 第16-17页 |
| 第四节 拟采用方法和文章结构 | 第17-19页 |
| 第二章 基本模型的介绍 | 第19-33页 |
| 第一节 广义线性模型（GLM） | 第19-24页 |
| 一、广义线性模型的定义 | 第19-22页 |
| 二、广义线性模型的估计 | 第22-24页 |
| 第二节 随机效应（Random effects） | 第24-28页 |
| 一、随机效应的定义 | 第24-25页 |
| 二、随机效应的估计 | 第25-27页 |
| 三、几种常见的随机效应形式 | 第27-28页 |
| 第三节 广义线性混合模型（GLMM） | 第28-32页 |
| 一、广义线性混合模型的定义 | 第28-29页 |
| 二、广义线性混合模型的估计 | 第29-32页 |
| 第四节 本章小结 | 第32-33页 |
| 第三章 客户流失预测实证分析 | 第33-48页 |
| 第一节 模型建立前的准备 | 第33-37页 |
| 一、客户流失的定义及分类 | 第33-34页 |
| 二、数据来源 | 第34页 |
| 三、数据预处理 | 第34-35页 |
| 四、数据集描述 | 第35-36页 |
| 五、虚拟变量的设定 | 第36-37页 |
| 第二节 基于 GLM 的客户流失预测的模型 | 第37-42页 |
| 一、GLM 模型的估计 | 第37-39页 |
| 二、GLM 模型的预测 | 第39-42页 |
| 第三节 基于 GLMM 的客户流失预测的模型 | 第42-46页 |
| 一、GLMM 模型的估计 | 第42-45页 |
| 二、GLMM 模型的预测 | 第45-46页 |
| 第四节 本章小结 | 第46-48页 |
| 第四章 模型比较 | 第48-59页 |
| 第一节 常用模型评价指标 | 第48-54页 |
| 一、两类错误率 | 第48-49页 |
| 二、精确率和覆盖率 | 第49-50页 |
| 三、其他算法的实证分析结果 | 第50-51页 |
| 四、模型比较分析——常用指标 | 第51-54页 |
| 第二节 改进的模型评价指标 | 第54-58页 |
| 一、错分代价与改进的准确率 | 第54-55页 |
| 二、模型比较分析——改进指标 | 第55-58页 |
| 第三节 本章小结 | 第58-59页 |
| 第五章 结论及展望 | 第59-64页 |
| 第一节 本文的主要结论 | 第59-61页 |
| 第二节 政策和意见 | 第61-63页 |
| 第三节 研究的局限与展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 附录 | 第69-73页 |
| 致谢 | 第73-74页 |
| 在读期间完成的研究成果 | 第74页 |
