臺灣博碩士論文加值系統

各產業界對資料庫的分析與運用是最近相當熱門的研究領域，這項研究主要目的是從大量的資料中找出有用的隱藏資訊，這些資訊事先並不知道，透過這些資訊將有助於資訊管理，並可以提供有用的決策參考，而預測模式的運用，更是各界研究人員所重視的一步，因此本研究將應用一個企業蒐集的顧客資料庫，進行資料庫預測模式的運用。
在產業界中運用的各種預測方法眾多，其中以羅吉斯迴歸及類神經網路最為風行，而且可從應用此二方法之研究文獻數量之眾，知悉其在學界頗受好評，因此對於研究的模式建構方法，嘗試為其研擬出一套完整的流程，以供分析人員的應用參考。
本研究所運用的建模方法為羅吉斯迴歸與類神經網路兩種，並依照抽樣、探析、修正、建模和評估步驟進行之。由一個全部資料集運用兩種方法的模式建構，進而利用資料切割的方法企圖尋找最佳預測能力的模式，並由於欲解決類神經網路之黑箱問題，將整合羅吉斯之變數選擇進入類神經網路之輸入層中，代入解釋變數影響目標變數的結果。
而在模式的訓練結果中，羅吉斯迴歸和類神經網路模式所得到的誤判率的變動皆在2個百分比左右，因此本研究對於欲探討的資料集在兩種方法運用上，都能達到相似的預測能力；且由資料切割的預測能力較佳之結果，可以提供資料運用人員更多資訊。因此對於未來運用此二方法的研究人員將是一個可以探討的研究方向。

Analyses and practices of database is a popular research area for different industries. The main purpose of this study is to find out useful hidden information which was unknown originally from massy data. It can help information management, and can provide reference for useful decision. Moreover, practice of prediction model is paid attention to by researchers.
Therefore, this study will exercise database prediction model by applying an enterprise collected customer database.
There are numerous predictive ways practiced in industries, logistic regression neural network are the most popular. And it is taken good comment. Hence, according to the way of setting research model, try to make a complete procedure to support researchers’ practices and references.
Two ways of modeling in this study are logistic regression and neural network, and it goes from sample, explore, modify, modeling, to assess. Model by these two ways from a whole dataset, and then try to find out the most optimal model by using data partition. Moreover, to solve the problem of black box in neural network, variables selection of logistic regression will be integrated to input layer of neural network, and replace to
Therefore, this study achieves similar prediction capability of dataset in two practical ways. Moreover, from the result of better prediction capability of data partition, it can provide more information to data exercisers. Consequently, it will be a research direction for researchers who exercise these two models in the future.

壹、導論 1
一、研究背景 1
二、研究動機 2
三、研究目的 4
貳、文獻探討 5
一、羅吉斯迴歸模式之理論 5
二、羅吉斯迴歸模式之相關研究探討 10
三、類神經網路之理論 11
四、類神經網路之相關研究探討 14
參、研究方法 15
一、研究架構 15
二、資料庫的來源及建置 16
三、羅吉斯迴歸模式分析步驟與檢定 17
四、模式的建構及測試 18
五、模式的預測模式結果 18
肆、預測模式的建構及評比 19
一、資料集說明 19
二、資料庫中可用變數之說明 22
三、單變量之重要獨立變數刪選 22
四、共線性整合 25
五、多變量重要變數篩選 30
六、各資料集建構模式之變數組合 42
七、模式穩定度及預測力 44
八、類神經網路的模式建構與測試 46
九、模式比較 50
伍、模式結果與結論 55
陸、研究建議 57
柒、參考文獻 58
附錄A─資料集變數總表 61
附錄B─資料集變數之差異分析 69
附錄C─SOM方法 77
附錄D─WOE方法 80
附錄E─訓練模式檢定結果表 84
附錄F─羅吉斯迴歸確認模式重複測試結果表 94
附錄G─類神經網路確認模式重複測試結果表 100
附錄H─資料集模式之比較 106

1.李宗龍，信用卡使用特性對消費性貸款行為之預測，國立臺灣大學國際企業學研究所碩士論文，2001年。
2.沈明來，實用無母數統計學與計數資料分析，九州圖書文物有限公司，1997年。
3.林吟春，咖啡連鎖店消費者行為之研究─以台北市咖啡連鎖店為例，輔仁大學應用統計研究所碩士論文，2000年。
4.林建廷，類神經網路在無線通訊市場消費區隔與預測之應用研究，元智大學管理研究所碩士論文，2000年。
5.邱志洲、謝邦昌編著，類神經網路分析，曉園出版社，1999年。
6.邱義堂，通信資料庫之資料探勘：客戶流失預測之研究，國立中山大學資訊管理學系研究所碩士論文，2000年。
7.紀志霖，應用人口特質差異提高電子郵件廣告效果之機制─透過類神經網路建構預測及分類模式，逢甲大學企業管理學系碩士論文，2000年。
8.梁德馨，網路購物邏輯斯蒂迴歸預測模式之建構，中國統計學術研討會，台北市，中華民國，政治大學，2001年。
9.陳信木、林佳瑩，調查資料之遺漏值的處置─以熱卡插補法為例，調查研究第3期，1997年，頁75-106。
10.陳純婷，網路購物資料庫顧客關係行銷之研究，輔仁大學應用統計研究所碩士論文，2001年。
11.陳淑宜，運用類神經網路探討行動電話系統業者之顧客滿意度--以北台灣為例，國立東華大學企業管理學系碩士論文，2001年。
12.陳銘樹，台灣地區退伍軍人「自費健康檢查」之消費行為行銷研究，國立陽明大學醫務管理研究所碩士論文，2001年。
13.陳耀茂編著，多變量解析方法與應用，初版，五南圖書，1999年。
14.彭慧雯，建構信用卡資料挖礦架構及其實證研究，國立台北科技大學生產系統工程與管理研究所碩士論文，2001年。
15.曾莉雅，動態性行銷策略資訊化成功關鍵因素之研究，朝陽科技大學資訊管理系碩士論文，2001年。
16.黃登源編著，市場調查方法（二），輔大管理學院管理技術中心，2001年
17.葉怡成，類神經網路理論與實作，儒林圖書公司，1994年。
18.楊昌儒、蔡長泰、游保杉，SOM類神經網路應用於降雨特性均一區劃分之研究，國立成功大學水利及海洋工程學研究所，1999年。
19.榮泰生，網路行銷：電子商務實務篇，初版，五南圖書，2000年，p.5, p.249, p.253, p.476, p.480-481。
20.魯振華，人壽保險廣告類型有效性的預測模式 - 應用類神經網路，逢甲大學保險學系碩士論文，2001年。
21.聶自偉，筆記型電腦之市場區隔與產品定位，輔仁大學應用統計研究所碩士論文，1999年。
22.Alan Agresti, An Introduction to Categorical Data Analysis, Wiley-interscience, 1996.
23.David Bridsion Osteyee and Irving John Good, Information, Weight of Evidence, the Singularity between Probability Measures and Signal Detection, Lecture Notes in Mathematics, Vol 376, 1973.
24.Hosmer, David W. & Lemeshow, Stanley, Applied Logistic Regression, 1989.
25.Juha Vesanto, Using SOM in Data Mining, Licentiate’s Thesis, 2000.
26.Nilson, McCord Marilyn, A Practical Guide to Neural Nets, Reading Addison Wesley Publishing Company, 1991.
27.Olli Simula, Petri Vasara, Juha Vesanto, Riina-Riitta Helminen, The Self-Organizing Map in Industry Analysis, Helsinki University of Technology, 1997.
28.Sherrie, Phillips Dodson, Multivariate Analysis Techniques：Multiple Discriminate Analysis and Multiple Logistic Regression, Department Of Mathematics University of Louisville, Master of Arts, 1993.