如果李白來上統計學:每天五分鐘,用詩畫參透統計學的核心概念
The Tao of Statistics: A Path to Understanding (With No Math)(2E)
作  者╱
Dana K. Keller
譯  者╱
杜炳倫
出版社別╱
五南
書  系╱
博雅科普
出版日期╱
2019/11/01   (1版 1刷)
  
即日起五南舊官網僅提供書籍查詢,如欲購書,請至五南新官網 https://www.wunan.com.tw/
I  S  B  N ╱
978-957-763-684-3
書  號╱
RM46
頁  數╱
228
開  數╱
25K
定  價╱
350 (特價 277)


Dana K. Keller
博士鑽研道學與其他東方哲學已經將近五十年,以雲遊至中國教學作為他自我探索的途徑。他的PhD是測量、統計與計畫評鑑。曾為德拉瓦(Delaware)大學評鑑專家小組的資深特許成員和Delmarva健康照護基金會的首席統計學家。美國聯邦醫療保險和聯邦醫療輔助計劃服務中心(CMS)更推薦他為全國醫療機構解決複雜抽樣與研究議題。他善用通俗語言解釋統計與方法學構念的獨特能力,使他成為公眾衛生領域裡的技術專家和解說常客。目前為幸福美好研究顧問公司(Halcyon Research, Inc.)的總裁,持續努力不懈地向更廣闊的群眾解釋統計概念。可以透過電郵(dana@halcyonresearch.com)連絡到他。
※譯者簡介
杜炳倫
杜炳倫
資深教師,美國愛達荷大學課程與教學碩士,美國田納西大學諾克斯維爾校區(University of Tennessee, Knoxville)應用教育心理學博士班。
其英文著作〈百分位數與百分等級〉(Percentile and Percentile Rank)收錄於美國聖哲(Sage)出版商所發行的《測量與統計百科全書》(Encyclopedia of Measurement and Statistics)。中文著作有《上學的代價》,譯作有《34個讓你豁然開朗的統計學小故事》、《一位耶魯大學教授的統計箴言》、《解讀統計與研究》。
※繪者簡介

Helen Cardiff是一名藝術家與插畫家,住在美國馬里蘭州Chesapeake東海岸。在美國、加拿大以及歐洲,她的作品在每年的公眾展出以及私人藝廊的收藏上,都頗受好評。她把道學與藝術修養融合在一起,給本書的各個主題灌注了新穎的洞見。可以透過電郵(cardiffhelenart@gmail.com)連絡到她。

致謝
插畫
作者
譯者
第二版序言
譯者序

1 開始──問題
2 含糊性──統計
3 飼料──數據
4 數據──測量值
5 數據結構──測量值的類別
 5.A 名義
 5.B 順序
 5.C 區間
 5.D 比率
6 簡化──組別與集群
7 計數──頻率
8 圖像──圖解
9 散布──分配
10 鐘的形狀──常態曲線
11 偏重──偏斜
12 平均──集中趨勢
 12.A 平均數
 12.B 中位數
 12.C 眾數
13 兩種類型──敘述與推論
14 基礎──假設
15 黑暗──缺失數據
16 偏航──穩固性
17 一致性──信度
18 事實──效度
19 不可預測性──隨機性
20 代表性──樣本
21 疏忽──誤差
22 真實與否──離群值
23 阻礙物──混淆
24 麻煩──共變量
25 背景──獨變項
26 標的──依變項
27 不均等──標準差與變異數
28 證實──不,駁斥
29 沒有差異──虛無假設
30 簡化主義──模型
31 風險──機率
32 不確定性──p-值
33 期望──卡方
34 重要vs.差異──實質vs.統計顯著性
35 力量──檢定力
36 衝擊──效力量
37 可能的範圍──信賴區間
38 關連──相關
39 預測──多重回歸
40 量大──多變量分析
41 差異──t-檢定與變異數分析
 41.A ANOVA
 41.B ANCOVA
 41.C MANOVA
 41.D MANCOVA
42 要緊的差異──區別分析
43 兩邊都一大堆──典型共變異數分析
44 巢套──階層模型
45 凝聚力──因素分析
46 有序的事件──路徑分析
47 挖得更深──結構等式模型
48 豐沛──大數據
49 缺乏──小數據
50 瑣碎──修改與新技術
51 後記

Google
Analyti
cs 疑難雜症
大解惑:讓你恍
然大悟的37個
必備祕訣
34個讓你豁然
開朗的統計學小
故事
區塊鏈的衝擊:
從比特幣、金融
科技到物聯網顛
覆社會結構的破
壞性創新技術
諾貝爾經濟學家
的故事
50則非知不可
的管理學概念
巷子口經濟學




02 含糊性--統計

所知實不足
只夠做猜測
推測有根據
統計於焉生



統計藉由量化來駕馭含糊性(稍後會一再提到的觀點)。在統計的世界裡,如果不存在含糊性,也不需要去猜測,我們就使用母體母參數(population parameters)。哪裡有含糊性,哪裡就有樣本統計量(sample statistics)。這些術語被簡稱為母數與統計量。所以,統計是一種有根據的猜測。雖然很長的公式與很炫的希臘字母,代表了不可一世的資質,但它們不過是用來猜測的工具罷了。
樣本具有抽樣誤差(sampling error)。所有的統計開始於樣本,並且具有不同數量與種類的抽樣誤差。樣本甚至可以是時間的樣本11,但必定是你希望從一個更大母體裡得到統計值的樣本。因為要測量母體裡的每一個人或每一件事所費不貲,所以我們會在學術界專業領域以及日常生活裡看見統計。
當被適當地表達時,統計的結果很難證明為誤,因為它們沒有包含絕對的語言。對那些想要以嚴格的對或錯來分類結果的人們而言,這種與生俱來的含糊性實在令人感到沮喪,尤其是當好不容易跑完數據分析之後。對這些人而言,統計無法提供方便。統計只能提供具有系統根據的猜測,不論此猜測有多麼謹慎。
這個世界以統計來運作,或至少以統計訊息作為運作的基礎,這種說法並不誇張。隨著大眾傳播愈來愈深入我們的日常生活,人們想要了解統計的需求也愈來愈大。為何?因為統計被用來回答人們的問題,而回應的答案(透過電視、收音機、報紙等等)使用統計作為證據。請記住,研究需要樣本,而樣本產生統計。
在日常生活裡,我們經常不自覺地使用了統計。開車時,我們預測是否能撐到下一個加油站,奠基於我們對路況的了解、正常汽油里程數(確實是一個統計議題)以及如果走錯路會不會用光汽油。不開車的人也同樣在進行統計上的預測與決定,像是要準備多少現金以應付週末的活動。
如果我們遇見一位高中校長,我們會看見他手上有著能闡述各種與學業和社會問題有關的數據。他的問題主要關於學生目前的學業成就,而其中一些比較具有前瞻性。他想要使用他的數據來爭取預算與活動,並且指出目前的問題以博取立即的關注。他想要讓大家知道,他使用科學與統計來專業化他的職業生涯,因為他想要在未來成為一名駐區督學。
這位校長把他手上的數據都視為樣本。他想要泛論結果至其他的班級與年份。二十年的學校生涯告訴他,每一年班級的改變並不大。對他而言,統計比採取一個更加堅定的立場更安全。他想要用統計作為量化含糊性的科學方法,而這意謂著他的答案也或多或少會具有含糊性。
公衛中心主任能夠接觸廣泛且具有代表性的樣本,進而來闡述她的問題。雖然她的問題能夠經由州立電子資料庫來回答,然而人們會因為各種原因而失聯,因此會有缺失的數據。然而,她的數據與其他種數據比較起來,還是很具有代表性的,並且很可能具有年復一年的一致性,即使具有未知來源的偏誤。有鑑於年復一年比較的重要性,以及覺知人們進出醫療補助計畫的需要,她相當滿意手上數據的代表性、完整性(相對於缺失數據)以及全面性(能夠取得闡述重要特徵的測量值)。對她而言,含糊性帶給她在檢定不同假設時所享有的自由,這些假設來自於公衛政策的改變所帶來的可能衝擊。她花了很長的時間才在這個男性主導領域得到專業的信任,而她小心使用統計方法的職場策略,維護並擴展了她在此領域的領導力。平價醫療法案(Affordable Care Act, ACA)的頒布,使得她需要調整她的政策,以便容納政府額外提供的醫療福利。人群與政策的改變,為她的工作蒙上一層不可預知的面紗。
確實,含糊性是通往統計知識殿堂的一種關鍵概念。系統裡的含糊性意謂著沒有一種已知的解決方法是完美的。什麼是最佳的解決方法?有著最少的錯誤或最簡潔嗎?什麼樣的數據是可得的?它們的品質如何?需要判斷的事情很多,決定由此而出,挑戰並不在於這個統計方法是否是最正確的,而是最少錯誤的!怎麼做?藉由銳利的問題,直達統計研究法以及數據本身的核心。
整體而言,統計具有不確定性。這樣說來,統計工作變得比較像是智力方面的挑戰。所以,關注統計的基礎,尋找裂縫在哪裡,了解那些大廈基石的裂縫可能意謂著什麼。一起微笑著體驗統計觀點的世界吧!