01 / 導讀
導讀
引用
Wheelan, C. (2014). Naked Statistics: Stripping the Dread from the Data. W. W. Norton & Company.
章節概要
本書是一本寫給一般讀者的統計思維入門書，2013年由 Norton 首度出版，2014年推出平裝本（約300頁）。全書由導論、13個編號章節外加一個討論蒙提霍爾問題的簡短「半章」、結論，以及一個關於統計軟體的附錄組成。每章標題都把一個統計主題與一個問題或一句挑釁的話搭配在一起。出版社介紹說，本書剝除技術細節，專注於統計分析背後的直覺，講解推論、相關與迴歸，揭示資料如何被操弄或扭曲，並介紹研究者如何運用自然實驗。
導論：我為什麼討厭微積分卻熱愛統計
正如標題所示，導論把作者學微積分的經驗與他對統計的熱情相對照，為全書「統計有助於回答現實問題」的主張鋪路。
第1章：意義何在？
第一章追問統計是用來做什麼的，確立全書重視每種工具的用途、而非其運算機制的取向。
第2–3章：敘述統計（誰是史上最偉大的棒球選手？）；欺騙性的描述（「他個性很好！」以及其他真實卻嚴重誤導的說法）
全書從摘要指標談起，以「誰是史上最偉大的棒球選手」為線索，接著立刻說明技術上正確的敘述統計仍可能誤導人。把一項工具與它的誤用配對講解，這個做法貫穿全書。
第4章：相關（Netflix 怎麼知道我喜歡哪些電影？）
相關透過推薦系統引入，這正是出版社所強調的那類日常應用。
第5章、第5½章與第6章：機率基礎（別替你99美元的印表機買延長保固）；蒙提霍爾問題；機率的問題（過度自信的數學怪咖如何差點摧毀全球金融體系）
機率透過延長保固之類的消費決策引入；出版社提到一個啤酒行銷人員運用基礎機率的例子。一個簡短的插章討論蒙提霍爾這道電視遊戲節目難題。第6章轉向機率模型的誤用，以過度自信的風險模型在金融危機中的角色為線索。
第7章：資料的重要性（「垃圾進，垃圾出」）
這一章談資料品質：分析的好壞不可能超過其起點資料。它緊接在推論各章之前，在那些章節裡，樣本品質成為核心問題。
第8–10章：中央極限定理（統計學界的勒布朗·詹姆斯）；推論（我的統計學教授為什麼認為我可能作弊）；民意調查
這是全書的核心。中央極限定理正如章名所暗示，被當作統計概念中的明星來介紹（出版社提到書中用來說明它的香腸節例子），接著應用於假設檢定與推論，最後應用於民意調查及其抽樣誤差；該章以一個誤差範圍為正負3個百分點的民調數字為線索。
第11–12章：迴歸分析（神奇靈藥）；常見的迴歸錯誤（強制性警告標籤）
迴歸先作為一項強大的工具登場，緊接著是一整章關於其誤用的警告。
第13章：計畫評估（上哈佛會改變你的人生嗎？）
最後一章追問如何判斷某項計畫或處理是否造成某種結果；據出版社介紹，研究者藉助自然實驗來處理這個問題。
結論與附錄
結論提出統計能幫忙回答的五個問題，附錄簡要討論統計軟體。
核心概念
第1–4章：描述與相關
- 敘述統計：像平均數這類把大量資料濃縮起來的摘要數字。
- 欺騙性的描述：準確無誤、卻經過挑選或包裝以誤導人的統計數字。
- 相關：兩個變數共同變動的程度，並不能證明其中一個導致另一個。
第5–7章：機率與資料
- 機率與期望值：對不確定結果進行推理，書中把它應用在延長保固之類的日常決策上。
- 蒙提霍爾問題：一道直覺答案恰恰是錯誤的電視遊戲節目機率難題。
- 模型風險：過度信任機率模型的危險，是第6章的主題。
- 資料品質：「垃圾進，垃圾出」；結論取決於資料是如何蒐集的。
第8–10章：推論
- 中央極限定理：樣本平均數近似服從以母體平均數為中心的常態分配，這項結果使得從樣本進行推論成為可能。
- 統計推論：利用樣本資料判斷關於母體的假設。
- 抽樣誤差：民調結果可能偏離母體真實值的幅度。
第11–13章：迴歸與因果
- 迴歸分析：同時估計一個結果與多個解釋變數之間的關係。
- 迴歸錯誤：迴歸結果常見的誤用方式，集中在第12章。
- 計畫評估：估計某項計畫或處理是否造成某種結果的方法，包括自然實驗。
評析
優點
- 非專業讀者也讀得懂的直覺講解。 Tom Siegfried 在《Science News》（2013年1月）的書評中稱讚本書的幽默與聊天式文風，以及用真實事例說明統計如何運作、為何重要的做法。Michael T. Catalano 在《Numeracy》（2015年）的書評中認為，一位相當用功的學習者可以從本書中獲得對基礎統計還算不錯的理解。
- 教師可直接借用的事例。 Catalano 也指出，統計與數量素養課程的教師會在書中找到大量講得很好的例子與故事，可以用在課堂上。章名本身就展現了這種方式：每種方法都透過一個問題引入，從棒球到電影推薦再到升大學。
- 重視誤用。 誤導性的描述、金融危機中的機率模型、資料品質與常見迴歸錯誤各占一章，因此本書不只教人計算，更教人質疑統計論斷。
- 篇幅精簡而脈絡完整。 約300頁的篇幅從敘述統計出發，經過機率與推論，走到迴歸與因果評估，與第一門統計課的順序一致。
局限
- 不是方法教科書。 本書刻意剝除技術細節以專注於直覺，目錄中也看不到習題單元；它不訓練讀者親手完成分析，無法取代以計算為評量內容的課程教科書。
- 沒有貝氏統計。 Siegfried 指出本書忽略了貝氏方法，而他認為對書中討論的許多問題而言，貝氏方法往往更合適。
- 訊息上的矛盾。 Siegfried 也指出，討論迴歸錯誤的「警告標籤」一章承認大量專家研究最終證明是錯的，而全書大部分內容卻把標準方法當作得到正確答案的途徑。讀者應把第6、7、12章當作對其餘部分的但書。
- 以美國為主的事例。 許多例子取自美國的運動、政治與教育，其他地區的讀者可能較不熟悉。
在課程中的定位
在這門商業統計課程中，Wheelan 的書是唯一一本非技術性讀物。Levine、Szabat 與 Stephan 的 Business Statistics: A First Course，以及 Sharpe、De Veaux 與 Velleman 的 Business Statistics，都是完整的教科書，透過商業個案、軟體輸出與習題教授方法；Newbold 等人的 Statistics for Business and Economics 是一本涵蓋敘述與推論方法、迴歸與時間序列的綜合教科書。Jacques 的 Mathematics for Economics and Business 談的是數學而不是統計。
Naked Statistics 最好的用法，是在某本教科書之前或與之並行閱讀：可以在開課前幾週讀完，也可以隨課程進度逐章閱讀，從中得到方法教科書篇幅有限、難以展開的直覺與警示事例。它不應被當作教科書的替代品。
如何使用本書
本書寫給對統計心生畏懼的一般讀者與學生，具備高中代數程度就足夠。對於機械式修完統計課、想弄懂各種方法意義的學生，本書同樣合適。
實用的閱讀計畫：
- 從頭讀到尾。 本書篇幅不長且層層遞進：第2–7章提供的概念（平均數、相關、機率、資料品質）是第8–13章的基礎。導論與第1章可以快速讀過。
- 商業統計課程的核心內容： 第2–4章、第8–9章與第11–12章，對應一般課程中的敘述統計、抽樣分配、假設檢定與迴歸單元。
- 不要跳過警示性章節。 第3、6、7、12章是本書在直覺講解之外的主要貢獻，對判斷報告與媒體中的論斷最有用。
- 第13章留給後續課程。 計畫評估與自然實驗通往計量經濟學與政策分析。
由於本書並非圍繞習題編寫，應把每一章與課程教科書中相應的習題搭配使用。一個有用的習慣是每週從新聞中挑一個統計數字，用本書的問題檢驗它：資料是怎麼蒐集的，摘要數字掩蓋了什麼，是否把相關當成了因果。