01 / 导读
导读
引用
Sharpe, N. R., De Veaux, R. D., & Velleman, P. F. (2021). Business Statistics (4th ed., Global ed.). Pearson.
章节概要
全球版共有 21 个正文章节，分为六个部分，之后是由四章“在线专题”构成的第七部分，以及三个附录（答案、统计表与常用公式、图片版权说明）。目录几乎为每一章都标注了一家公司或一个商业情境，说明本书习惯用商业问题来引入各种方法。
第一部分，第 1–4 章：探索与收集数据
开篇部分包括“数据与决策”“分类数据的可视化与描述”“定量数据的描述、展示与可视化”以及“相关与线性回归”。因此回归出现得很早，是描述两个变量关系的工具，远在任何统计推断之前。
第二部分，第 5–7 章：建模与概率
“随机性与概率”“随机变量与概率模型”“正态分布及其他连续分布”构成三章的精简概率板块，最后落到后面推断各章所依赖的正态模型。
第三部分，第 8–9 章：收集数据
“数据来源：观察性研究与调查”和“数据来源：实验”讨论数据是如何产生的。把研究设计单独列为一部分并放在推断之前，体现了本书对数据来源的重视。
第四部分，第 10–15 章：用于决策的推断
推断部分从“抽样分布与比例的置信区间”开始，接着是“均值的置信区间”“假设检验”“关于检验与区间的更多内容”“两个均值的比较”以及“计数数据的推断：卡方检验”。比例先于均值处理，检验则排在区间之后。
第五部分，第 16–20 章：用于决策的模型
这一部分回到回归，先讲“回归的推断”和“理解残差”，再讲“多元回归”和“建立多元回归模型”，最后以“时间序列分析”收尾，是全书的建模核心。
第六部分，第 21 章：分析学
“大数据与数据挖掘导论”是一章关于数据分析的入门内容。
第七部分，第 22–25 章：在线专题
“质量控制”“非参数方法”“决策与风险”以及“实验与观察性研究的分析”在目录中被标为在线专题，因此不在第一至第六部分的 21 章之内。
核心概念
第一至第三部分：数据、概率与研究设计
- 分类数据与定量数据：目录把分类数据的可视化与定量数据的描述和展示分开处理。
- 相关与线性回归：在第 4 章引入，用来描述变量之间的关系。
- 概率模型：随机变量以及正态分布和其他连续分布。
- 观察性研究、调查与实验：对应关于数据来源的两章。
第四至第六部分：推断、建模与分析学
- 抽样分布与置信区间：先讲比例，再讲均值。
- 假设检验：第 12–13 章，包括后续的“关于检验与区间的更多内容”一章。
- 计数数据的卡方检验：针对分类数据的推断。
- 残差与多元回归：第 17–19 章的模型检查与模型建立。
- 时间序列分析与数据挖掘：正文最后的专题。
评析
优点
- 先讲研究设计，再讲推断。 关于观察性研究、调查和实验的两章排在任何置信区间之前，适合日后要处理他人收集的数据的读者。
- 回归获得充足篇幅。 第 4 章的相关与回归，第 16–17 章的回归推断与残差，以及第 18–19 章的多元回归与模型建立，使回归占到五章，与商业分析中大量使用回归的实际相符。
- 明确的教学理念。 培生称全球版遵循 GAISE 建议：讲授统计思维、概念理解、结合情境的真实数据、主动学习、技术运用与评估。出版方还强调分析与理解重于计算，以及如何表达结果。
- 内置商业情境。 目录为每章标注了公司情境（例如 H&M、Zillow.com、Guinness & Co. 和 Visa），使例子与商业决策相联系。
局限
- 推断分散在许多章节。 在回归推断之前有六章推断内容，一学期的课程必须有所取舍。
- 进阶专题放在线上。 质量控制、非参数方法、决策分析以及实验分析不在印刷章节之内，需要这些内容的读者要依赖在线材料。
- 分析学部分很简短。 数据挖掘只有一章，本书只是对这一概念的入门介绍，而不是一门完整的数据分析课程。
- 未限定软件。 目录没有提到具体的软件包，工具选择由课程决定。
在课程中的定位
在商业统计书单中，本书是篇幅完整、偏重回归的教材。Levine、Szabat 和 Stephan 的 Business Statistics: A First Course 是篇幅较短的入门书，强调结果的解读和软件输出，更适合作为较平缓的第一遍阅读。Wheelan 的 Naked Statistics 是面向一般读者的非技术性读物，几乎不用公式，适合作为建立直觉的辅助读物，而不是课程教材。
Newbold 等人的 Statistics for Business and Economics 同样全面地讲述描述统计与推断统计、概率、回归和时间序列，是范围最接近的替代选择。Jacques 的 Mathematics for Economics and Business 则是另一类书，它提供计量经济学类课程所用的代数和微积分，而不是统计学本身。
如何使用本书
本书适合商科、管理和经济学专业一二年级的学生，以及需要系统应用型讲解的 MBA 类课程学生。从目录看，除公式和回归方程所隐含的代数之外没有很高的数学先修要求，但学过一门入门统计学会让进度更轻松。
建议的使用方式：
- 核心： 按顺序阅读第一、二部分，再读第四部分直到“两个均值的比较”。第三部分是关于研究设计的阅读性章节，可以较快读完。
- 回归路线： 第 4 章，然后是第 16–19 章。主要需要建模的读者可以从第 4 章读到第 7 章的正态模型，再进入第五部分。
- 选读： 课程需要时读第 15 章（卡方）和第 20 章（时间序列）；第 21 章可作为数据挖掘的概览。
- 在线专题： 第 22–25 章，涵盖质量控制、非参数方法、风险下的决策和实验分析，按课程需要选用。
结合课程使用的统计软件完成习题，并练习用一句经理人能据以行动的话表述每个结果，因为出版方自己的定位就是做出决策并报告结果。