Business Statistics（ビジネス統計学）

引用

Sharpe, N. R., De Veaux, R. D., & Velleman, P. F. (2021). Business Statistics (4th ed., Global ed.). Pearson.

章の要約

グローバル版の本文は6部21章で構成され、その後に4章からなる第7部「オンライン・トピック」と3つの付録（解答、表と主要公式、クレジット）が続く。目次はほぼすべての章に企業名や事業上の場面を添えており、各手法をビジネス上の問いから導入する書き方であることがうかがえる。

第I部、第1〜4章：データの探索と収集

冒頭の部は「データと意思決定」「カテゴリカルデータの可視化と記述」「量的データの記述・表示・可視化」「相関と線形回帰」からなる。回帰は2変数の関係を記述する道具として、統計的推測よりずっと前の早い段階で登場する。

第II部、第5〜7章：モデル化と確率

「ランダム性と確率」「確率変数と確率モデル」「正規分布およびその他の連続分布」の3章が簡潔な確率のブロックをなし、後続の推測の章が前提とする正規モデルで締めくくられる。

第III部、第8〜9章：データの収集

「データの出所：観察研究と調査」と「データの出所：実験」では、データがどのように生み出されるかを扱う。研究デザインを独立した部とし、推測の前に置いている点に、データの出所を重視する姿勢が表れている。

第IV部、第10〜15章：意思決定のための推測

推測の流れは「標本分布と比率の信頼区間」に始まり、「平均の信頼区間」「仮説検定」「検定と区間についてさらに」「2つの平均の比較」「度数の推測：カイ二乗検定」と続く。比率が平均より先に扱われ、検定は区間の後に導入される。

第V部、第16〜20章：意思決定のためのモデル

この部は回帰に戻り、「回帰の推測」と「残差を理解する」を扱った後、「重回帰」「重回帰モデルの構築」へ進み、「時系列分析」で終わる。本書のモデル化の中核にあたる。

第VI部、第21章：アナリティクス

「ビッグデータとデータマイニング入門」は、データ分析への入門を1章で扱う。

第VII部、第22〜25章：オンライン・トピック

「品質管理」「ノンパラメトリック法」「意思決定とリスク」「実験と観察研究の分析」は、目次上オンライン・トピックとされており、第I〜VI部の21章には含まれない。

主要概念

第I〜III部：データ、確率、研究デザイン

• カテゴリカルデータと量的データ：目次では、カテゴリカルデータの可視化と、量的データの記述・表示が分けて扱われている。
• 相関と線形回帰：第4章で導入され、変数間の関係を記述するために用いられる。
• 確率モデル：確率変数、および正規分布とその他の連続分布。
• 観察研究、調査、実験：データの出所を扱う2つの章に対応する。

第IV〜VI部：推測、モデル化、アナリティクス

• 標本分布と信頼区間：最初に比率、次に平均。
• 仮説検定：第12〜13章。検定と区間についての追加の章を含む。
• 度数のカイ二乗検定：カテゴリカルデータの推測。
• 残差と重回帰：第17〜19章でのモデルの点検とモデル構築。
• 時系列分析とデータマイニング：本文の最後に置かれたトピック。

批判的分析

長所

• 推測の前に研究デザイン。 観察研究・調査・実験を扱う2章が信頼区間より前にあり、他者が収集したデータに触れることになる読者に向いている。
• 回帰に十分な紙幅。 第4章の相関と回帰、第16〜17章の回帰の推測と残差、第18〜19章の重回帰とモデル構築で、回帰は5章分を占める。ビジネス分析で回帰が多用される実情に合っている。
• 明示された教育方針。 ピアソンは、グローバル版が統計的思考、概念理解、文脈を伴う実データ、能動的学習、テクノロジー、評価という GAISE の勧告に沿っていると説明している。出版社は計算より分析と理解を重視し、結果の伝達を意識していることも強調している。
• ビジネスの文脈を組み込み。 目次は各章に企業の場面（H&M、Zillow.com、Guinness & Co.、Visa など）を付しており、例が意思決定と結びついている。

短所

• 推測が多くの章に分かれる。 回帰の推測に至るまでに推測の章が6つあり、1学期の授業では取捨選択が必要になる。
• 発展的なトピックはオンライン。 品質管理、ノンパラメトリック法、意思決定分析、実験の分析は印刷された章に含まれず、必要な読者はオンライン資料に頼ることになる。
• アナリティクスは簡潔。 データマイニングは1章のみで、本書は概念への入門であり、アナリティクスの講義そのものではない。
• ソフトウェアは特定されていない。 目次には特定のパッケージへの言及がなく、ツールの選択は授業に委ねられる。

コースにおける位置づけ

ビジネス統計のリストの中で、本書は回帰に比重を置いた本格的な分量の教科書である。Levine、Szabat、Stephan の Business Statistics: A First Course はより短い入門書で、結果の解釈とソフトウェアの出力を重視しており、穏やかな最初の一冊になる。Wheelan の Naked Statistics は一般読者向けの非技術的な読み物で、数式はほとんど使わず、直感をつかむ補助にはなるが、授業の教科書ではない。

Newbold らの Statistics for Business and Economics も記述統計・推測統計、確率、回帰、時系列を包括的に扱っており、範囲の点で最も近い代替である。Jacques の Mathematics for Economics and Business は性格の異なる本で、統計学そのものではなく、計量的な経済学の授業で使われる代数と微積分を提供する。

本書の使い方

本書は、経営・経済系の1〜2年生や、体系的な応用的説明を必要とする MBA 型のコースの学生に向いている。目次から見る限り、数式や回帰式に含まれる代数以上の数学的な前提は高くないが、入門的な統計学を一度学んでいると進めやすい。

実践的な読み方は次のとおり。

• 中核： 第I部・第II部を順に読み、第IV部は「2つの平均の比較」まで進む。第III部は研究デザインを扱う読み物的な部分で、短時間で読める。
• 回帰のルート： 第4章から第16〜19章へ。主にモデル化が必要な読者は、第4章から第7章の正規モデルを経て第V部へ進んでもよい。
• 選択： 授業で必要なら第15章（カイ二乗）と第20章（時系列）。第21章はデータマイニングの概観として。
• オンライン・トピック： 第22〜25章。品質管理、ノンパラメトリック法、リスク下の意思決定、実験の分析を、授業の必要に応じて。

授業で使う統計ソフトで演習を解き、各結果を、管理職が行動に移せる一文で述べる練習をするとよい。出版社自身が、意思決定を行い結果を報告することを本書の位置づけとしているからである。