01 / 導讀
導讀
引用
Levine, D. M., Szabat, K. A., & Stephan, D. F. (2019). Business Statistics: A First Course (8th ed.). Pearson.
章節概要
第8版（版權年份為2020年）包括導論章「First Things First」、印刷版中的14個編號章節、線上提供的第15章（品質管理）、附錄，以及自測題和部分偶數題的答案；印刷版約650頁。每章以一個「Using Statistics」商業情景開篇，並在章末回到該情景。章末依次是小結、主要公式與術語、「Checking Your Understanding」問題、本章複習題和案例，案例包括一個貫穿多章的連續案例（Managing Ashland MultiComm Services），以及要求學生評判商業檔案中各種說法的「數位案例」（Digital Cases）。每章還附有 Excel、JMP 和 Minitab 的獨立軟體指南，部分章節另附 Tableau 指南。全書的分析步驟按照 DCOVA 框架（定義、收集、整理、視覺化、分析）組織。
First Things First（首要之事）
導論章討論統計學為什麼重要、商業分析和「大資料」如何改變這一學科，以及如何開始使用軟體。前言指出，這一章可線上免費下載，便於學生在課程開始前提前學習。
第1章：Defining and Collecting Data（定義與收集資料）
討論變數型別與測量尺度、母體與樣本、資料來源、主要抽樣方法（簡單隨機抽樣、系統抽樣、分層抽樣、整群抽樣）、資料清洗與預處理，以及調查誤差的型別，並有一節討論調查中的倫理問題。
第2–3章：Organizing and Visualizing Variables（變數的整理與視覺化）；Numerical Descriptive Measures（數值描述性度量）
第2章涵蓋彙總表與列聯表、頻數分配、條形圖、餅圖、帕累托圖和環形圖、直方圖與折線圖、散點圖和時間序列圖、多變數組合的視覺化（包括樹狀圖和迷你圖），資料的篩選與查詢，以及誤導性圖表的陷阱。第3章涵蓋集中趨勢、離散程度和分配形狀的度量，四分位數與箱線圖，包含經驗法則和切比雪夫定理的母體度量，以及共變異數和相關係數。
第4–6章：Basic Probability（機率基礎）；Discrete Probability Distributions（離散機率分配）；The Normal Distribution（常態分配）
機率概念、條件機率、決策樹、獨立性、貝葉斯定理和計數法則（第4章）；期望值以及二項分配和卜瓦松分配（第5章）；常態分配，以及如何用常態機率圖評估資料是否近似服從常態分配（第6章）。
第7–9章：Sampling Distributions（抽樣分配）；Confidence Interval Estimation（信賴區間估計）；Fundamentals of Hypothesis Testing: One-Sample Tests（假設檢定基礎：單樣本檢定）
平均數和比例的抽樣分配及中心極限定理（第7章）；平均數和比例的信賴區間以及樣本數的確定（第8章）；假設檢定的邏輯、平均數的 Z 檢定和 t 檢定、單尾檢定、p 值方法以及比例的 Z 檢定（第9章）。
第10–11章：Two-Sample Tests and One-Way ANOVA（雙樣本檢定與單因素變異數分析）；Chi-Square Tests（卡方檢定）
比較兩個獨立平均數、兩個相關平均數、兩個比例和兩個變異數，隨後是單因素變異數分析（第10章）；以及檢定兩個或多個比例之差和獨立性的卡方檢定（第11章）。從這些章節起，結果以表格形式的彙總呈現，把每一項統計結果與它所支援的商業結論配對列出。
第12–13章：Simple Linear Regression（簡單線性迴歸）；Multiple Regression（多元迴歸）
第12章講解迴歸方程的建立、變異的度量、迴歸的假定、殘差分析、德賓-沃森統計量、關於斜率和相關係數的推斷、信賴區間與預測區間，以及常見陷阱。第13章把這些內容擴充套件到多個自變數，包括調整後的 r²、整體 F 檢定、殘差分析、關於係數的推斷，以及虛擬變數和互動項。
第14章：Business Analytics（商業分析）
本版全新的一章，藉助 JMP、Minitab、Tableau 以及結合 Power BI 的 Excel，介紹描述性分析（儀表板）、用於預測、分類、集群和關聯的預測性分析、文本分析和規範性分析。
第15章（線上）：Statistical Applications in Quality Management（統計在品質管理中的應用）
討論比例、計數以及平均數和極差的控制圖、過程能力、全面品質管理和六西格瑪。
核心概念
First Things First 與第1–3章：資料與描述
- DCOVA 框架：定義變數（Define）、收集資料（Collect）、整理（Organize）、視覺化（Visualize）和分析（Analyze），作為每項分析的結構。
- 抽樣方法與調查誤差：樣本如何抽取，以及覆蓋誤差、無應答誤差、抽樣誤差和測量誤差如何產生。
- 描述性度量：用統計量和箱線圖概括分配的中心、離散程度和形狀。
第4–7章：機率與抽樣
- 條件機率與貝葉斯定理：在已知資訊時更新機率。
- 二項分配、卜瓦松分配與常態分配：用於計數和連續測量值的標準模型。
- 中心極限定理：無論母體形狀如何，隨著樣本數增大，平均數的抽樣分配趨於常態。
第8–11章：推斷
- 信賴區間：在給定信賴水準下，母體參數可能取值的範圍。
- 假設檢定與 p 值：判斷樣本證據是否足以拒絕虛無假設的程式。
- 變異數分析與卡方檢定：比較多個平均數，或比較比例和分類變數的方法。
第12–14章：迴歸與分析
- 最小平方迴歸與殘差分析：擬合直線並檢查其背後的假定。
- 虛擬變數與互動作用：在多元迴歸中納入分類自變數和組合效應。
- 預測性分析：如分類和集群等用於在大型資料集中發現規律的方法。
評析
優點
- 重解釋，輕計算。 作者表示，他們強調解讀結果、評估假定以及在假定不成立時該怎麼做，而不是手工計算。本版引入的表格式彙總把這一點落到實處：每項檢定結果旁邊都列出它所支援的決策。
- 始終貫穿商業情境。 每個主題都通過會計、金融、管理和市場行銷的例子呈現，每章都圍繞一個 Using Statistics 情景展開，連續案例和數位案例要求學生處理貼近現實的資料並識別對統計的誤用。
- 靈活的軟體支援。 針對 Excel（包括作者開發的 PHStat 外掛）、JMP、Minitab 和 Tableau 的模組化指南，使課程可以使用手頭已有的軟體，而軟體又不至於喧賓奪主。
- 練習充足。 「Learning the Basics」和「Applying the Concepts」題目、複習題，以及自測題和許多偶數題的答案，都有助於自學。
局限
- 一個學期的範圍。 時間序列預測和無母數檢定不在印刷版章節之中，品質管理只在線提供；前言提到有一批線上的獨立專題和章節，但需要這些主題的課程應核實可用內容或另行補充。
- 軟體指南增加了篇幅。 每章之後都附有多份獨立的軟體指南，因此印刷版相對於其內容而言偏厚，學生需要學會跳過自己不用的軟體的指南。
- 商業分析只是入門。 第14章是對在軟體中執行的各種方法的概覽，而不是講解這些方法的原理。
在課程中的定位
本書是商業統計課程自然的第一本教材：它用一個學期的篇幅從資料收集講到多元迴歸，並高度重視軟體。查爾斯·惠蘭的 Naked Statistics 以非技術的方式說明統計工具的用途以及它們如何誤導人，可以在本書之前或同時閱讀；它沒有習題也不涉及軟體，因此是對萊文一書的補充而非替代。夏普、德沃和韋勒曼的 Business Statistics 是一部完整篇幅的替代教材，同樣強調先思考後計算以及結果的表達，並在迴歸建模和資料探勘方面走得更遠；學完萊文、想要深入的學生可以轉向它。
伊恩·雅克的 Mathematics for Economics and Business 補充更形式化的統計學所需的代數和微積分基礎；萊文本身只要求高中代數。紐博爾德等人的 Statistics for Business and Economics 是一部綜合性教材，以更多的數學細節講解機率、推斷、迴歸和時間序列，對於準備學習計量經濟學或量化金融的學生來說，是合理的下一步。
如何使用本書
具備高中代數即可，不要求學過統計學。典型的一學期課程講授 First Things First 和第1–13章，若教學大綱包含分析內容，則再加上第14章。
- 核心： 第1–3章（資料與描述）、第6–9章（常態分配、抽樣分配、信賴區間、假設檢定）以及第12–13章（迴歸）。課程考核大多出自這些章節。
- 輔助： 以推斷為重點的課程可以選擇性地講授第4–5章的機率內容；第10–11章補齊標準的檢定方法。
- 可選： 關於商業分析的第14章，以及面向營運或品質管理方向學生的線上第15章。
選定一種軟體，每章只跟隨它的指南操作。先讀每章的 Using Statistics 情景，章末再回到它，檢查分析是否回答了商業問題。先做「Learning the Basics」題，再做「Applying the Concepts」題；用書後的答案核對自測題；每章至少完成一個案例，其中數位案例尤其適合練習評判統計論斷。