具体描述
内容简介
《北京大学光华管理学院教材：应用商务统计分析》是以实际案例驱动的应用统计学教材，包括线性回归、方差分析、协方差分析、0-1变量回归、定序回归、泊松回归、生存模型和自回归等内容。本书同其他统计学教材的主要区别是强调统计方法在实际案例中的应用，而且所选案例更加真实、复杂。具体而言，本书每章选用一个案例，并为每个案例提供完整的分析报告和R程序，以方便读者了解数据分析的整个过程。案例的范围涉及上市公司盈利预测、房地产价格分析、企事业单位绩效评估、上市公司ST预测、消费者市场调研、客户关系管理、医学临床实验和宏观经济学。因此，读者在学习统计学知识的同时，还可以分享作者在以上各个领域实际应用的经验与心得。作者简介
王汉生，美国威斯康星大学统计学博士毕业，现为北京大学光华管理学院商务统计与经济计量系副教授。研究领域包括模型选择、回归收缩与选择、不完全数据插值、稳健统计方法。同时，王教授还是国际统计协会、英国皇家统计协会、美国统计协会、美国数理统计协会、泛华国际统计协会会员，在Journal of theAmerican Statistical Assciation、Journal of the Royal Statistical Society：Series B、Journal of Buaiaess & Eeoaonucs Statistics、Statistics in Medicine、《经济研究》、《营销科学学报》、《数理统计与管理》、《审计研究》等期刊上发表论文30余篇。内页插图
目录
第一章 线性回归第一节 案例介绍
第二节 模型定义
第三节 描述性分析
第四节 参数估计
第五节 假设检验
第六节 模型诊断
第七节 变量选择
第八节 模型预测
第九节 简单分析报告
附录 程序及注释
第二章 方差分析
第一节 案例介绍
第二节 描述性分析
第三节 单因素方差分析
第四节 多重比较
第五节 双因素简单可加模型
第六节 双因素交互作用模型
第七节 多因素方差分析
第八节 简单分析报告
附录 程序及注释
第三章 协方差分析
第一节 案例介绍
第二节 描述性分析
第三节 单因素可加模型
第四节 单因素交互作用模型
第五节 多因素协方差分析
第六节 模型选择与预测
第七节 更科学的绩效评估
第八节 简单分析报告
附录 程序及注释
第四章 0—1变量的回归模型
第一节 案例介绍
第二节 基本描述
第三节 单变量逻辑回归
第四节 参数估计与统计推断
第五节 多变量逻辑回归
第六节 模型选择
第七节 预测与评估
第八节 简单分析报告
附录 程序及注释
第五章 定序回归
第六章 泊松回归
第七章 生存分析模型
第八章 自回归
参考文献
精彩书摘
〔教学目的〕本章60主要教学目的是通过一个盈利预测的实际案例，详细介绍线性回归这种最重要的统计回归模型。它主要处理的是因变量和解释性变量都是连续型数据的情形。通过对本章60学习，我们希望读者能够了解：（1）什么情况下使用普通线性模型；（2）线性模型60基本统计学理论；（3）相关理论在统计学软件R中的应用；（4）相应的统计分析报告的撰写。本章初次涉及的重要统计学概念如下：因变量、解释性变量、普通线性模型、最小二乘估计、F检验、t检验、模型诊断、异常值、Cook距离、模型选择（AIC、BIC），还有外样本的预测检验等。第一节案例介绍
线性回归模型是实际工作中用得最多、最广的统计模型。它不仅为我们提供了一套系统而有效的分析预测方法，而且为我们提供了一套完整的方法论。对线性模型的理解与掌握将极大地有助于以后章节的学习。具体地说，本章将以一个实际应用为例，详细讲解并演示线性模型的各个方面。
我们考虑的具体问题是：如何利用上市公司当年的公开财务指标对其来年的盈利状况予以预测。合理回答该问题对于指导投资者了解企业的盈利模式、风险大小，以及正确投资帮助甚大。类似的问题早已在北美和欧洲的金融市场上被广泛研究，而本章将对中国股市的类似数据予以简略分析。具体地说，我们的目标是如何有效利用上市公司的历史财务数据，对其来年的净资产收益率（return。Ilcqllity，ROE）予以大概的估计。我们考虑的财务指标有：公司当年的净资产收益率（ROEt）、资产周转率（ATO）、债务资本比率（LEV）、市倍率（PB）、应收账款／主营业务收入（ARR）、主营业务利润／主营业务收入（PM）、主营业务收入增长率（GROWTH）、存货／资产总计（INV）以及对数变换后的资产总计（ASSET），以后简称为资产总计。
对于这些财务指标的经济意义的详细解释可以在任何一本会计教科书中找到。我们只对以上财务指标的经济意义简述如下。首先，当年表现好的公司，由于惯性效应，其下年度的表现也趋向于较好。所以，很自然地，我们应该考虑公司当年的净资产收益率（ROEt）。其次，债务资本比率（LEV）反映了公司的基本债务状况，市倍率（PB）与主营业务收入增长率（GROWTH）分别反映了公司预期的未来成长率以及公司已经实现了的当年增长率，应收账款／主营业务收入（ARR）以及主营业务利润率（PM）分别反映了公司的收入质量以及利润状况。最后，存货周转率（INV）用来度量公司的存货状况，而资产总计（ASSET）被用来控制公司规模的影响。以上所考虑的变量都是过去欧美国家同类研究中发现的、非常典型的能够影响公司盈利能力的指标。因此，检验这些指标在我国股票市场上的有效性就变得非常有意义。为方便演示，我们随机抽取了深市和沪市2002、2003年度的各500个样本。其中，分析主要是基于2002年的样本，而2003年的数据主要用来检验模型的预测精度。值得注意的是，考虑到数据的商业性与保密性，以及教学演示的方便，本案例的数据是随机模拟生成的。第二节模型定义
根据前一节中的讨论可以看到，我们有一个清晰的目的，那就是利用所给的财务数据（accountingvariables）预测下一年度的净资产收益率（ROE）。还可以看到，我们所考虑的这些指标所扮演的角色是不一样的。其中，下年度的净资产收益率（ROE）是可预测的指标。之所以它可预测，是因为它的大小在一定程度上是由其他几个财务指标所决定的。因此，我们称其为因变量（depend tvariable）。也就是说，下一年度的净资产收益率会因为其他几个财务指标的改变而改变，或者说下一年度的净资产收益率在一定程度上是可以被其他的财务指标所解释的。一旦我们明白了这一点，就不难理解为什么人们会称其他几个财务指标（如ROEt、LEV、ATO等）为自变量（independentvariable）或者解释性变量（predictor，predictivevariable），亦称协变量（covariate）。
而回归分析的根本目的就是要探寻因变量（下年度的净资产收益率）同自变量（其他财务指标）之间的数量关系。为了达到此目的，我们不可避免地需要假设y。和。．之间的数量关系满足某种函数形式，而最简单也是最常用的函数形式就是线性函数。这对应了下面这个含有P个自变量的一般线性模型：其中为常数项为第了个解释性变量“U的回归系数，它意味着，若，变化一单位，我们可以预期因变量Y。会变化多少个单位。例如，在我们的案例中，如果：真；代表了公司当年的净资产收益率，那么卢．意味着该公司当年净资产收益率若增加一单位，则来年净资产收益率变化的期望值（平均值）为卢，个单位。
当然，这样的预测是不可能完全准确的。这是因为除了我们所考虑的财务指标以外，还有太多其他的因素（如经济周期、公司高管变化）也可能对公司卜一年度的盈利产生影响。而且这样的影响是无法用我们所考虑的财务指标来反映的，也是不能预测的。这种影响就构成了我们的残差项残差项对因变量丫，影响力的大小，直接反映了自变量x．对因变量的预测能力。比方说，如果（5，，对公司下一年度的影响力很大，那么我们就会发现，很难利用现有的财务数据准确预测公司下年度的盈利。否则，我们就会获得一个有效的预测模型。那么，统计上应该怎样度量残差项影响的大小呢？我们将在后面的章节中详细讨论。最后值得一提的是，对于此普通线性模型，技术上我们一般作如下假定。
独立性：这包含两个方面。一方面，不同的观测之间是互相独立的；另一方面，残差项同解释性变量之间是互相独立的。在我们的案例中，这首先意味着不同公司之间是互相独立的，A公司盈利的好坏不会影响到B公司。由此可见，此假设在一定程度上是合理的，符合常识的。但是，我们为什么要说是“一定程度上’’呢？这是因为此假设在一定程度上也是不合理的。例如，如果我们的数据跨越多个年份，那么来自同一年份的数据，受当年整个宏观经济的影响，将会表现出一定程度上的相似性。进一步讲，如果我们的数据中有的公司之间是有关联的（如母公司与子公司、主要竞争对手），那么一个公司的盈利状况必然影响另外一个公司。再进一步讲，如果我们的数据中有多个观测来自于！司一个公司，那么这些数据之间是高度相关的。那么，这是否意味着线性模型将无法应用？也不是的。在现实生活中，几乎没有任何一个数据能够完美地满足所有的理论假设，因此我们需要一个主观的、经验的判断一一这个数据是否极大程度地满足了我们的理论要求，它与理论要求的偏差是否并不会显著地影响我们的结论？如果答案是肯定的，那么我们还是可以继续利用线性模型获得信息。
……
前言/序言
在过去的20年中，中国的商学院教育（本科生、普通硕士、MBA、EMBA以及管理学博士）经历了巨大的变化与发展。伴随其中的是统计学在各个项目中广泛深入的应用。一方面，统计学在商学院教学科研工作中的重要作用得到了一致的认可。大量的经济学、金融学以及营销学模型需要通过统计学的方法子以实现；大量的心理学、社会学以及行为学的实验需要运用统计学的分析方法进行研究。但另一方面，商学院的统计学教育却面临着前所未有的挑战。传统的以数学推导为主的教学方式给人们留下了统计学非常有用，但是又非常晦涩难懂的印象。因此，我们必须对传统的统计学教学方法进行合理的改进，否则无法满足商学院的教学及科研需要。笔者认为，商务统计学的教学绩效，从小处看影响学生的学习效果，从大处看则关系着统计学在商学院教育中的地位以及未来发展。统计学在商学院的教学中会遇到哪些挑战呢？第一，学生背景复杂。传统的统计系面对的是大量具有非常良好数理背景的理科学生。因此，大量复杂的数学推导不成问题。而如今的商学院面对的学生背景极其复杂。虽然其中不乏有数理功底很强的学生，但是更多的还是其他非数理背景的学生，特别是MBA学员。而要让并不具备数理背景的同学也欣赏统计学并不是一件容易的事情。第二，教学目的不同。传统的统计系往往希望能够培养出优秀的统计学专业人才。这里的专业人才指的是不仅可以分析典型数据，而且还具备一定的方法创新能力的人才。但是，商学院对统计学的教学要求是不同的，商学院要培养的是具备良好的经济管理知识和出色的数据分析能力的经济管理人才。对于这类人才，能否创造出新的统计学方法并不是核心要求。而其核心要求是能够通过标准的统计学模型以及软件解决实际的经济管理问题。
上述商学院对统计教学的特殊要求决定了商务统计教学要有自己的特点。具体地说．就是要淡化数学公式的推导，着重讲授统计学思想，并强化其在实际案例中的应用。而要实现该目标，一个重要的前提就是要有一本合适的商务统计学教材。但是，目前市场上却缺乏一种符合以上所有教学特点和需要的教材。目前市场上的教材大致可以分为两类：第一类是传统的数理统计学教材。此类教材以数学推导为主，主要满足具有较强数理统计背景的学生的需要。第二类是影印或者翻译的国外MBA统计学教材。此类教材可以作为相关专业的统计学入门教材，但是它们对标准的回归模型涉足甚浅，因而不能满足更高层次的学习及研究需要。笔者以自己在北京大学光华管理学院多年的商务统计学的教学经验为基础，并结合商学院的统计学教学特点及需要编写了这本教材。本教材有以下几个特色：第一，全部以实际案例背景驱动；第二，没有任何复杂的数学推导；第三，每个案例还配备了完整的分析报告；第四，附有详细的只程序以及注释。出于对商业版权的考虑，本教材所采用的全部数据都是随机模拟生成的，但是案例背景是真实可靠的。还特别值得一提的是，本教材所使用的及软件是公开、免费的统计分析软件，可以在网上轻松获得。本书融合了以上这些特色，目的是希望能够使读者学习得更加轻松、有趣。
本教材从开始编写到最终定稿历时近两年，其间得到了我的多位教学助理的大力支持，其中要特别感谢罗荣华和赵羿两位同学。是罗荣华同学的帮助，本书才有了完整的分析报告，以及带有注释的及程序；是赵羿同学的仔细校对及润色。才使得本书的文字大有改进。笔者还要感谢北京大学光华管理学院的涂平老师，他为本书提出了许多建设性的建议。笔者还要感谢北京大学出版社的朱启兵老师还有张静波老师，没有他们的帮助，本书不可能得以如此迅速地出版。由于笔者的能力有限，书中难免有疏漏之处，请多指正。最后，我想将此书献给我的太太还有刚刚来到世间的儿子，希望他们永远幸福健康！
王汉生
北京大学光华管理学院
2008年1月1日
用户评价
我一直认为，统计学是连接理论与实践的桥梁，尤其是在瞬息万变的商业世界里，不懂得如何运用统计学进行分析，就很难做出精准的判断和决策。我选择这本书，是因为它明确标榜“应用商务统计分析”，这正是我所需要的。我期望这本书能够提供一套完整、系统的方法论，帮助我理解如何将统计学原理应用于解决实际的商业问题。我设想，书中会涉及如何收集、整理和清洗数据，如何选择合适的统计模型，如何进行模型的构建和验证，以及如何解读分析结果并提出 actionable recommendations。我特别看重案例分析的质量，希望书中能够提供丰富多样的案例，覆盖市场营销、财务管理、运营优化等多个领域，让我能够清晰地看到统计学在不同场景下的应用。同时，我也希望这本书能够介绍一些常用的统计软件，并提供相应的操作指南，让我能够将理论知识转化为实际操作能力。这本书对我而言，是提升商业洞察力、培养数据驱动决策能力的关键，我期待它能够成为我学习和实践的得力助手。
评分我在选择学习资料时，非常看重其内容的实用性和前沿性。这本书由北京大学光华管理学院编著，这本身就代表了极高的学术水准和丰富的实践经验。我希望这本书能够系统地介绍商务统计分析的核心方法和技术，并且能够紧跟学术前沿，引入最新的统计模型和分析工具。我期待书中能够包含关于大数据分析、机器学习在商业决策中的应用等内容，让我能够了解当前商业统计领域的最新发展趋势。同时，我也希望书中能够提供大量的实操性指导，比如如何运用统计软件进行数据分析，如何解读分析结果，以及如何将分析结果转化为实际的商业策略。我尤其希望书中能够包含一些具有挑战性的案例研究，让我能够运用所学知识去解决复杂的商业问题，并从中获得深刻的启发。这本书对我来说，不仅仅是学习统计学的工具，更是提升我商业分析能力、培养创新思维的重要资源，我希望能通过它，成为一个真正能够运用数据解决商业难题的专家。
评分我之所以对这本书充满期待，是因为我一直认为，在这个数据爆炸的时代，不懂统计学就如同在信息的海啸中失去导航的船只。我希望能通过这本书，不再是被动地接受数据，而是能够主动地去驾驭数据，让数据为我所用。我设想这本书会以一种非常清晰、逻辑严谨的方式，一步步引导我理解统计学背后的思想。比如，在讲解概率论时，我希望它不仅仅是介绍各种分布的公式，更能解释这些分布在现实世界中是如何体现的，以及它们如何影响我们的决策。在进行统计推断时，我希望它能让我深刻理解置信区间和p值的含义，而不是仅仅停留在计算层面。更重要的是，我期待这本书能够教会我如何根据不同的商业问题，选择合适的统计模型，如何解读模型的输出结果，以及如何判断模型的局限性。我希望这本书能够培养我的批判性思维，让我不至于盲目相信统计结果，而是能够对其进行审慎的评估。我甚至希望书中能包含一些关于数据可视化技巧的内容，因为一个好的图表往往比一堆数字更能直观地说明问题。我希望这本书能成为我通往数据驱动决策之路的坚实基石，让我能够更自信、更有效地应对商业挑战。
评分在信息爆炸的时代，如何从海量数据中筛选出有用的信息，并将其转化为有价值的商业洞察，是每个商业人士都需要掌握的关键能力。我选择这本书，就是希望它能够系统地讲解商务统计分析的方法和工具，帮助我提升这方面的能力。我期待书中能够深入浅出地介绍各种统计分析技术，例如，在讲解回归分析时，我希望它不仅能让我理解模型的构建过程，更能让我明白如何去解释回归系数的含义，以及如何判断模型的拟线性。在讲解假设检验时，我希望它能让我理解“统计显著性”和“实际显著性”的区别，并学会如何避免做出错误的判断。我更期待书中能够包含大量的真实案例，通过这些案例，让我看到统计学在商业实践中的具体应用，比如，如何利用统计方法进行市场预测、风险评估、以及客户行为分析。我希望这本书能够帮助我建立起一种严谨的科学思维，让我能够用数据来支撑我的商业判断，并做出更明智的决策。这本书对我来说，是提升商业分析能力、培养数据驱动思维的重要指引，我渴望通过它来开启我的数据分析之旅。
评分这本书的作者团队是来自北京大学光华管理学院的教授，这让我对其内容质量和学术严谨性充满了信心。我一直认为，一本优秀的教材，不仅要有扎实的理论基础，更要有丰富的实践经验。我希望这本书能够体现出光华管理学院在商业研究领域的深厚积累，将理论与实践完美地结合起来。我期待书中会包含大量来自中国本土企业的案例分析，让我能够看到统计学是如何在中国的商业环境中发挥作用的。比如，如何分析电商平台的销售数据来优化营销策略？如何运用统计模型来预测房地产市场的走向？如何评估金融产品的风险？我希望这本书能够提供一种“接地气”的视角，让我能够将学到的知识直接应用于解决现实世界的商业难题。我也希望书中能够介绍一些前沿的统计分析方法，比如机器学习在商业预测中的应用，或者大数据分析的最新进展，让我能够跟上时代的步伐，不断提升自己的专业水平。这本书对我来说，不仅仅是一本教科书，更是一扇通往商业智慧的窗户，我渴望透过它，去领略更广阔的商业世界。
评分这本书的标题“应用商务统计分析”本身就充满了吸引力，因为它直接点明了其核心价值——将统计学应用于商业实践。我希望这本书能够帮助我理解，统计学不仅仅是枯燥的公式和符号，更是驱动商业决策的强大引擎。我期待书中能够详细阐述统计学在不同商业职能中的应用，例如：在市场营销方面，如何运用A/B测试来评估广告效果？在运营管理方面，如何通过统计过程控制来提高产品质量？在人力资源方面，如何分析员工流失数据来制定 Retention 策略？我希望这本书能够提供具体的分析框架和操作步骤，让我能够一步步地学会如何将统计学知识转化为实际的商业行动。我特别希望书中能够强调统计分析中的“解释性”，不仅仅是得到一个数字，更重要的是能够解释这个数字背后的商业含义，并提出相应的建议。我希望这本书能够让我从一个“数据使用者”转变为一个“数据分析师”，能够独立地进行商业数据分析，并给出有价值的洞察。这本书对我而言，是提升商业洞察力、培养数据驱动思维的重要工具，我迫切地想通过它来武装自己。
评分这本书的封面设计就有一种沉甸甸的学术感，我当初选择它，很大程度上是冲着“北京大学光华管理学院”这块金字招牌去的。作为一名对商业世界充满好奇，但又苦于数据分析能力稍显薄弱的学习者，我一直渴望找到一本既能系统讲解统计学原理，又能将这些理论紧密联系到实际商业场景中的教材。我希望它不是那种枯燥乏味、公式堆砌的书，而是能够让我真正理解“为什么”和“怎么做”，并且能启发我思考如何运用统计学去解决实际商业问题的。在阅读之前，我曾设想过，这本书会不会深入浅出地介绍回归分析、假设检验、时间序列分析等核心统计方法？会不会提供大量真实世界的案例，让我看到这些方法在市场调研、财务分析、运营管理等领域的具体应用？我特别期待能够学习到如何从海量数据中提炼出有价值的信息，如何做出更明智的商业决策。而且，作为一本由国内顶尖商学院编写的教材，我期望它能够紧跟国际最新的商业统计理论和方法，同时也能结合中国本土的商业实践，提供更具针对性和实用性的指导。这本书的出版，无疑为我们这些渴望提升数据分析能力的研究生和职场人士提供了一个宝贵的学习资源，它承载了我对知识的渴望，也寄托了我对未来职业发展的期许，我迫切地想要翻开它，去探索其中蕴含的智慧。
评分我当初在书店里看到这本书的时候，就被它沉稳的蓝色封皮和“应用商务统计分析”这个明确的标题所吸引。在我看来，统计学并非仅仅是数学上的抽象概念，它更是一门解决实际问题的艺术。我特别希望这本书能够展现出统计学在商业领域是如何“活”起来的。我设想，书中会不会有关于市场细分的研究案例，如何运用聚类分析来识别不同的客户群体？会不会有关于产品定价的策略分析，如何通过回归模型来预测销售额与价格的关系？甚至，会不会涉及到风险管理，如何运用统计方法来量化和评估投资风险？我希望这本书能让我明白，统计学不是冰冷的数字，而是能够帮助我们理解市场动态、预测未来趋势、优化经营策略的强大工具。我期待它能帮助我建立起一种“用数据说话”的思维模式，在面对纷繁复杂的商业信息时，能够迅速抓住核心，找到数据间的关联，并将其转化为 actionable insights。我希望通过这本书的学习，我能够提升自己分析问题的能力，不再仅仅依赖直觉，而是能够基于扎实的统计分析，做出更具说服力和科学性的决策，从而在激烈的商业竞争中获得优势。
评分作为一个对经济学原理有着浓厚兴趣，但又对量化分析感到有些力不从心的人，我选择这本书是希望能弥补我在统计分析方面的短板。我希望这本书能够以一种循序渐进的方式，将复杂的统计概念变得容易理解。比如，在讲解假设检验时，我希望它能通过生动形象的比喻，让我明白“原假设”和“备择假设”的意义，以及“犯第一类错误”和“犯第二类错误”的后果。我期待书中能够提供大量的练习题，并且附带详细的解答，这样我才能更好地巩固所学知识。我也希望这本书能够介绍一些常用的统计软件，比如SPSS、R或者Python，并且能够提供一些基础的操作指南，让我能够实际动手进行数据分析。毕竟，理论知识的学习最终还是要落到实践中。我希望这本书能够帮助我建立起对统计学的信心，让我不再害怕面对大量的数据，而是能够将其视为一种机会。我希望通过这本书，我能够掌握分析商业数据的基本方法和技巧，从而在我的学术研究或者未来的职业生涯中，能够更有效地运用统计学来解决实际问题，提升我的专业能力和竞争力。
评分作为一名对商业世界充满好奇，却又在数据分析方面略显不足的学习者，我一直渴望找到一本能够系统讲解统计学知识，并将其与商业实践紧密结合的教材。这本书的标题“北京大学光华管理学院教材：应用商务统计分析”立刻吸引了我。我期待它能够以一种深入浅出、逻辑严谨的方式，为我打开统计学的大门。我希望书中能够详细介绍各种统计学概念，比如概率分布、参数估计、假设检验、回归分析、时间序列分析等，并且能够解释这些概念的实际意义，以及它们在商业决策中的重要性。更重要的是，我希望这本书能够提供大量的真实商业案例，通过这些案例，让我看到统计学是如何在市场调研、产品开发、风险管理、运营优化等领域发挥作用的。我希望通过这本书的学习，我能够提升自己的数据分析能力，培养一种用数据说话的思维模式，并能够做出更明智、更科学的商业决策。这本书对我而言，不仅是一本教科书，更是我通往商业智慧殿堂的敲门砖，我迫切地想要翻开它，去探索其中蕴含的宝藏。
评分不错的。
评分买来做教材的，老师要求的，感觉不怎么样
评分这本是良心之作，从建模到基础写作，相当棒！
评分学统计的根本任务在于用，中国的统计大多在教人怎么推导。
评分质量好好好好好好好好好好好好好好好好
评分用着不错哦 挺好的呢
评分书里的程序是用R写的，实例也很多，不错，呵呵
评分上学的时候用过这本书，不错
评分挺好，用R，慢慢来学
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.cndgn.com All Rights Reserved. 新城书站 版权所有