01 / 导读
导读
引用
Levine, D. M., Szabat, K. A., & Stephan, D. F. (2019). Business Statistics: A First Course (8th ed.). Pearson.
章节概要
第8版（版权年份为2020年）包括导论章"First Things First"、印刷版中的14个编号章节、在线提供的第15章（质量管理）、附录，以及自测题和部分偶数题的答案；印刷版约650页。每章以一个"Using Statistics"商业情景开篇，并在章末回到该情景。章末依次是小结、主要公式与术语、"Checking Your Understanding"问题、本章复习题和案例，案例包括一个贯穿多章的连续案例（Managing Ashland MultiComm Services），以及要求学生评判商业文件中各种说法的"数字案例"（Digital Cases）。每章还附有 Excel、JMP 和 Minitab 的独立软件指南，部分章节另附 Tableau 指南。全书的分析步骤按照 DCOVA 框架（定义、收集、整理、可视化、分析）组织。
First Things First（首要之事）
导论章讨论统计学为什么重要、商业分析和"大数据"如何改变这一学科，以及如何开始使用软件。前言指出，这一章可在线免费下载，便于学生在课程开始前提前学习。
第1章：Defining and Collecting Data（定义与收集数据）
讨论变量类型与测量尺度、总体与样本、数据来源、主要抽样方法（简单随机抽样、系统抽样、分层抽样、整群抽样）、数据清洗与预处理，以及调查误差的类型，并有一节讨论调查中的伦理问题。
第2–3章：Organizing and Visualizing Variables（变量的整理与可视化）；Numerical Descriptive Measures（数值描述性度量）
第2章涵盖汇总表与列联表、频数分布、条形图、饼图、帕累托图和环形图、直方图与折线图、散点图和时间序列图、多变量组合的可视化（包括树状图和迷你图），数据的筛选与查询，以及误导性图表的陷阱。第3章涵盖集中趋势、离散程度和分布形状的度量，四分位数与箱线图，包含经验法则和切比雪夫定理的总体度量，以及协方差和相关系数。
第4–6章：Basic Probability（概率基础）；Discrete Probability Distributions（离散概率分布）；The Normal Distribution（正态分布）
概率概念、条件概率、决策树、独立性、贝叶斯定理和计数法则（第4章）；期望值以及二项分布和泊松分布（第5章）；正态分布，以及如何用正态概率图评估数据是否近似服从正态分布（第6章）。
第7–9章：Sampling Distributions（抽样分布）；Confidence Interval Estimation（置信区间估计）；Fundamentals of Hypothesis Testing: One-Sample Tests（假设检验基础：单样本检验）
均值和比例的抽样分布及中心极限定理（第7章）；均值和比例的置信区间以及样本量的确定（第8章）；假设检验的逻辑、均值的 Z 检验和 t 检验、单尾检验、p 值方法以及比例的 Z 检验（第9章）。
第10–11章：Two-Sample Tests and One-Way ANOVA（双样本检验与单因素方差分析）；Chi-Square Tests（卡方检验）
比较两个独立均值、两个相关均值、两个比例和两个方差，随后是单因素方差分析（第10章）；以及检验两个或多个比例之差和独立性的卡方检验（第11章）。从这些章节起，结果以表格形式的汇总呈现，把每一项统计结果与它所支持的商业结论配对列出。
第12–13章：Simple Linear Regression（简单线性回归）；Multiple Regression（多元回归）
第12章讲解回归方程的建立、变异的度量、回归的假定、残差分析、德宾-沃森统计量、关于斜率和相关系数的推断、置信区间与预测区间，以及常见陷阱。第13章把这些内容扩展到多个自变量，包括调整后的 r²、整体 F 检验、残差分析、关于系数的推断，以及虚拟变量和交互项。
第14章：Business Analytics（商业分析）
本版全新的一章，借助 JMP、Minitab、Tableau 以及结合 Power BI 的 Excel，介绍描述性分析（仪表板）、用于预测、分类、聚类和关联的预测性分析、文本分析和规范性分析。
第15章（在线）：Statistical Applications in Quality Management（统计在质量管理中的应用）
讨论比例、计数以及均值和极差的控制图、过程能力、全面质量管理和六西格玛。
核心概念
First Things First 与第1–3章：数据与描述
- DCOVA 框架：定义变量（Define）、收集数据（Collect）、整理（Organize）、可视化（Visualize）和分析（Analyze），作为每项分析的结构。
- 抽样方法与调查误差：样本如何抽取，以及覆盖误差、无应答误差、抽样误差和测量误差如何产生。
- 描述性度量：用统计量和箱线图概括分布的中心、离散程度和形状。
第4–7章：概率与抽样
- 条件概率与贝叶斯定理：在已知信息时更新概率。
- 二项分布、泊松分布与正态分布：用于计数和连续测量值的标准模型。
- 中心极限定理：无论总体形状如何，随着样本量增大，均值的抽样分布趋于正态。
第8–11章：推断
- 置信区间：在给定置信水平下，总体参数可能取值的范围。
- 假设检验与 p 值：判断样本证据是否足以拒绝原假设的程序。
- 方差分析与卡方检验：比较多个均值，或比较比例和分类变量的方法。
第12–14章：回归与分析
- 最小二乘回归与残差分析：拟合直线并检验其背后的假定。
- 虚拟变量与交互作用：在多元回归中纳入分类自变量和组合效应。
- 预测性分析：如分类和聚类等用于在大型数据集中发现规律的方法。
评析
优点
- 重解释，轻计算。 作者表示，他们强调解读结果、评估假定以及在假定不成立时该怎么做，而不是手工计算。本版引入的表格式汇总把这一点落到实处：每项检验结果旁边都列出它所支持的决策。
- 始终贯穿商业情境。 每个主题都通过会计、金融、管理和市场营销的例子呈现，每章都围绕一个 Using Statistics 情景展开，连续案例和数字案例要求学生处理贴近现实的数据并识别对统计的误用。
- 灵活的软件支持。 针对 Excel（包括作者开发的 PHStat 插件）、JMP、Minitab 和 Tableau 的模块化指南，使课程可以使用手头已有的软件，而软件又不至于喧宾夺主。
- 练习充足。 "Learning the Basics"和"Applying the Concepts"题目、复习题，以及自测题和许多偶数题的答案，都有助于自学。
局限
- 一个学期的范围。 时间序列预测和非参数检验不在印刷版章节之中，质量管理只在线提供；前言提到有一批在线的独立专题和章节，但需要这些主题的课程应核实可用内容或另行补充。
- 软件指南增加了篇幅。 每章之后都附有多份独立的软件指南，因此印刷版相对于其内容而言偏厚，学生需要学会跳过自己不用的软件的指南。
- 商业分析只是入门。 第14章是对在软件中执行的各种方法的概览，而不是讲解这些方法的原理。
在课程中的定位
本书是商业统计课程自然的第一本教材：它用一个学期的篇幅从数据收集讲到多元回归，并高度重视软件。查尔斯·惠兰的 Naked Statistics 以非技术的方式说明统计工具的用途以及它们如何误导人，可以在本书之前或同时阅读；它没有习题也不涉及软件，因此是对莱文一书的补充而非替代。夏普、德沃和韦勒曼的 Business Statistics 是一部完整篇幅的替代教材，同样强调先思考后计算以及结果的表达，并在回归建模和数据挖掘方面走得更远；学完莱文、想要深入的学生可以转向它。
伊恩·雅克的 Mathematics for Economics and Business 补充更形式化的统计学所需的代数和微积分基础；莱文本身只要求高中代数。纽博尔德等人的 Statistics for Business and Economics 是一部综合性教材，以更多的数学细节讲解概率、推断、回归和时间序列，对于准备学习计量经济学或量化金融的学生来说，是合理的下一步。
如何使用本书
具备高中代数即可，不要求学过统计学。典型的一学期课程讲授 First Things First 和第1–13章，若教学大纲包含分析内容，则再加上第14章。
- 核心： 第1–3章（数据与描述）、第6–9章（正态分布、抽样分布、置信区间、假设检验）以及第12–13章（回归）。课程考核大多出自这些章节。
- 辅助： 以推断为重点的课程可以选择性地讲授第4–5章的概率内容；第10–11章补齐标准的检验方法。
- 可选： 关于商业分析的第14章，以及面向运营或质量管理方向学生的在线第15章。
选定一种软件，每章只跟随它的指南操作。先读每章的 Using Statistics 情景，章末再回到它，检查分析是否回答了商业问题。先做"Learning the Basics"题，再做"Applying the Concepts"题；用书后的答案核对自测题；每章至少完成一个案例，其中数字案例尤其适合练习评判统计论断。