《統計學，最強的商業武器：實踐篇》

• 
  
  

  作者介紹

  
  
  
  
  西內 啟
  
  畢業於東京大學醫學部，主修生物統計學。曾任東京大學大學院醫學系研究科醫療傳播學領域的助理講師、大學醫院醫療資訊網路工程研究中心副主任、哈佛癌症研究中心客座研究員等職務。目前則為各種以數據資料為基礎的社會創新專案，提供研究調查、分析、系統開發以及策略規劃等諮詢服務。
  
  著作包括《科特勒教會我的事》（暫譯）、《上班族的多數煩惱都已有學術性的「解答」》（暫譯）、《世界第一簡單易懂的醫學統計》（暫譯）等。
  
  





• 
  
  

  譯者介紹

  
  
  
  
  
  陳 亦苓
  
  
  
  
  
  
  
  
  
  
  
  政治大學廣播電視系畢，輔修日文，曾留學並於日本工作近 4 年。目前為自由譯者，擅長資訊類英翻中、日翻中。
  
  
  
  
  
  個人作品列表：www.anobii.com/bready/books
  
  
  
  
  

統計學，最強的商業武器：實踐篇－目錄導覽說明

• 
  
  序章 商業活動與統計學之間的連結
  
  
  
  
  
  01 商業與統計學之間為何存在著鴻溝
  
  
  
  
  
  02 「掌握」、「預測」，以及「洞悉」的統計學
  
  
  
  
  
  
  
  
  
  
  
  第 1 章 統計學的實踐，就從重新思考基本觀念開始
  
  
  
  
  
  ──「平均」及「比例」的本質
  
  
  
  
  
  03 「洞悉」型統計學的三項必要知識
  
  
  
  
  
  04 「平均值」其實很深奧
  
  
  
  
  
  05 平均值為何能夠掌握真相？
  
  
  
  
  
  06 標準差所呈現的「概略資料範圍」
  
  
  
  
  
  
  
  
  
  
  
  第 2 章 統計學之所以「最強」的另一個理由
  
  
  
  
  
  ──標準誤差及假設檢定
  
  
  
  
  
  07 介於急驚風與慢郎中之間的「最強」思維
  
  
  
  
  
  08 「誤差範圍」與資料量的關係
  
  
  
  
  
  09 為貧乏言論畫上休止符的假設檢定
  
  
  
  
  
  10 用z檢定來駁斥急驚風
  
  
  
  
  
  11 用於少量資料的t檢定與費雪的精確性檢定
  
  
  
  
  
  12 檢定的多重性與其對應處方
  
  
  
  
  
  
  
  
  
  
  
  第 3 章 堪稱洞悉之王道的各種分析工具
  
  
  
  
  
  ──多元回歸分析與邏輯回歸
  
  
  
  
  
  13 統計學的王道──「回歸分析」
  
  
  
  
  
  14 如何求出迴歸直線？
  
  
  
  
  
  15 一次分析多個解釋變數的多元回歸分析
  
  
  
  
  
  16 邏輯回歸與對數比值
  
  
  
  
  
  17 回歸模型的總結與補充
  
  
  
  
  
  18 實用的迴歸模型應用方法──輸入編
  
  
  
  
  
  19 實用的迴歸模型應用方法──輸出編
  
  
  
  
  
  
  
  
  
  
  
  第 4 章 在資料背後隱藏了「什麼」
  
  
  
  
  
  ──因素分析與聚類分析
  
  
  
  
  
  20 心理學家所開發的因素分析有什麼用途
  
  
  
  
  
  21 具體而言，因素分析到底能做些什麼？
  
  
  
  
  
  22 聚類分析的基本觀念
  
  
  
  
  
  23 k-平均演算法（k-means）的聚類分析
  
  
  
  
  
  
  
  
  
  
  
  終章 統計方法總整理與使用順序介紹
  
  
  
  
  
  24 本書總結
  
  
  
  
  
  25 商業應用時的分析順序
  
  
  
  
  
  26 無法透過本書獲得的三種知識
  
  
  
  
  
  
  
  
  
  
  
  數學公式的補充說明
  
  
  
  
  
  補充01：偏差的絕對值與中位數
  
  
  
  
  
  補充02：偏差的平方與平均值
  
  
  
  
  
  補充03：平均值與比例的標準誤差
  
  
  
  
  
  補充04：變異數與無偏變異數
  
  
  
  
  
  補充05：常態分佈的數學特性
  
  
  
  
  
  補充06：中央極限定理
  
  
  
  
  
  補充07：切比雪夫不等式
  
  
  
  
  
  補充08：針對平均值與比例之差距的z檢定
  
  
  
  
  
  補充09：卡方分佈與t分佈的關係
  
  
  
  
  
  補充10：費雪的精確性檢定
  
  
  
  
  
  補充11： z檢定與卡方檢定
  
  
  
  
  
  補充12：邦弗朗尼校正
  
  
  
  
  
  補充13：簡單回歸分析
  
  
  
  
  
  補充14：簡單回歸分析與t檢定的關係
  
  
  
  
  
  補充15：多元回歸分析
  
  
  
  
  
  補充16：比值比
  
  
  
  
  
  補充17：檢定力與樣本數規劃
  
  
  

「掌握」、「預測」，以及「洞悉」的統計學

商業上所需要的，是能夠「洞悉」人類的統計學

除了能夠理解各領域統計學的運用方式及其差異外，公共衛生的統計學之所以有利於商業應用，其中還有另一個理由，那就是「以人類行為和社會狀態的轉變為研究對象」──這點幾乎和所有的商業活動一致。

與其他領域比比看就知道了。例如，工程和農業科學所研究的非生物及人類以外生物的量和質，大部分都可以透過控制條件來進行實驗。像是用超低溫讓分子停止震動來測量數據，或是收集所有實驗生物的基因等，只要有技術、有預算，就能自由測試。

但對於計量經濟學所研究的股價和景氣等大量資金流向，多數人都只能夠觀察及預測而已。

又或者如研究「聲音」、「影像」、「自然語言」的機器學習等領域，均各有其特殊的專業知識、技術存在，像是共振峰頻率（formant frequency）、特徵點、修飾結構…等等。亦即依據聲音、影像、語句本身的知識，以0／1之二進位數字將所記錄下來的資料賦予意義，把對人類而言理所當然的認知及理解，透過演算法以正確且快速的方式加以處理。

請讓我一開始就先說清楚，若你需要的是這方面的統計學知識，那麼，本書應該不是什麼有效的好選擇；因為早就有許多更合適你的書存在了。本書所談論的統計學，全都是為了洞悉人類心理以略微改善其行為及做法的類型。

人心十分複雜，決策機制則更複雜，要靠某些刺激來達到特定變化可說是相當困難，而以強迫方式達到特定變化又會有道德上的難度。因此，經濟學家便以合理性；政治學家以權力；社會學家以社群互動；心理學家以認知及情感；教育學家以知識和能力；行銷人員以需求和慾望，也就是各領域分別以不同的切入點來嘗試了解狀況。倘若問我，對改善人類行為來說以上何者重要？

我會很肯定地回答：「全都重要。」

我在商業領域做研究分析時，不論處理的是哪種行業、哪種業務，都必須徹底洞悉人類的個人或團體行為，然後從資料中找出可略微達到變化的方法。

而這幾年來，我在調查分析方面之所以毫無阻礙，應該就是因為現今商業環境

所需要的，正是能夠洞悉人類行為的統計學。