大學時期,有幸在大三對於統計分析還有研究方法有基礎的認識,以致後來的四年能在社會科學領域、最新的期刊發表知識能隨時跟進。
對於要成為最強的商業武器,我完全認同作者提到:除了紙筆的計算外,統計學課程更應該強調統計分析應用及統計素養的建立,畢竟大部分學習統計的人應該都是拿來用的。尤其擔任助教期間更是體會深刻,統計學在政大企管是安排在大二必修,而基礎的統計檢定(統計學下的內容)和行銷管理課程會安排同時修習(按理說學生的印象應該會最深刻),然而帶領學生進行問卷分析時,學生卻完全無感,更別說連結和整合。
我先聲明:以下的內容並不會探討太多的數字運算,畢竟統計在商業上的價值是協助決策、解決問題,請您放心。
在商學這個應用科學領域,多虧其他學科的學者鼎力相助。而身為借用各領域的研究成果,一定要先了解統計在不同領域扮演的目的(見下圖),才不至於鑽牛角尖、雞同鴨講;同時,也要注意統計的假設條件和模型限制,曾能在應用時可以有效地解決問題。我很高興有一群統計領域的朋友,在和他們分享我的學習/研究成果時,他們會時不時的挑戰/砥礪我在操作上的瑕疵,讓我更注意每個模型使用上的「眉角」。
- 是不是真的有差異?─ P值
談到統計,令人聯想到的就是處理龐大的數據。不過事實上,只是想順著公司的任務要求而學統計,大概國中畢業的敘述性統計圖表能力就足夠了。我們也不能過河拆橋,敘述性統計圖表(如:長條圖、圓餅圖、交叉表)的確可以讓閱聽眾很快地看出「量」的表現,不過若是要進一步做更細緻的解讀(如:建模預測、判別比較差異、關聯規則...等)可能就需要進一步的統計知識。
記得之前在帶學生執行問卷分析時被問到:A族群消費者的滿意度(Mean=4.5分)明明就比B族群消費者的滿意度(Mean=4.2分)高,你憑什麼說他們的滿意度沒有差異。的確這是蠻弔詭,看起來我是在睜眼說瞎話。不過或許統計人的眼睛就是多了一層濾鏡,顧慮掉「誤差」對於結果造成的差異。事實上,無庸置疑的4.5分真的比4.2分高,但是這個差異是因為誤差所造成的,所以以統計的角度而言他們沒有差別。
上述例子引出了商業分析經常使用的「P值」。如果你學過一點點統計,你可以先試著回答:什麼是P值?多數人可能會回答:就是那個小於0.05、檢定顯著性的那個...#$^@#$@。老實說,直到大四我都還沒辦法清楚的告訴別人什麼是P值。或許會使用也很重要,但若要跟別人解釋分析結果......看起來教育還是應該要做點改變(例如:練習報告分析結果時,可以說得更清楚一點)。所謂的P值,即因為資料的誤差、偶發產生或是積極端差距所發生的差異的機率。因此為什麼檢定時P值要小於5%,因為必須要嚴格的控管:結果(依變項)差異的來源是因為調查的原因(自變數)所影響,而不是由誤差所造成,如此才能推斷「有差異」。
- 找出因果關係的強大工具─實驗法&隨機化
在商業研究中,為了找出變數間的因果關係,經常使用的研究方法為「實驗法」。社會組也要做實驗(?!),會有這種疑問恐怕你已經受到台灣這個創造出自然組/社會組這樣扭曲的教育制度荼毒很深,做實驗只不過是探究原因的過程。
實驗之所以較能找出變數間的因果關係,其原因為(實驗法概念見下圖):
- 控制其他不相關的變數,指操弄所欲探討的變數(自變項),並測量其反應結果
- 採用一組或多組控制方式(如:設置控制組進行對照)
- 藉由隨機化的方式,讓每個受試者有相同的機會被分派到不同的操弄處理,以降低個體差異的影響
其中,隨機化是實驗中很強大的一個過程。由於每個受試者從母群體(目標群體)中抽樣出來都存在個體差異,這將對實驗結果造成很控制的誤差。所幸,透過隨機化的方式,讓每個受試者「隨機」的分到各個操弄處理,以抵銷掉個別受試者的差異。而在實驗中所謂的隨機化,經常是指隨機分派(random assignment),與統計學常提到的隨機取樣(random sampling)有很大的差別。隨機抽樣指:在母群體(目標客群)中,每一個受試者被抽到的機會相等,然而因為實驗對象有時候並不容易接觸到,因此每位受試者都很珍貴。因此在實驗法中,會強調隨機分派,並沒有硬性規定隨機抽樣。
隨機分派的好處是能較明確的得知變數間的因果關係,在控制其他不相干的變數後,提高了研究的內部效度,然而因為沒有透過隨機取樣的過程,所以許多實驗會被詬病:無法外推到整個母體(僅適用於這一群受試者),因而對研究的價值造成影響。
- 統計學,最強的商業「武器」
最後談談這個最強的商業「武器」。我自己很喜歡武器這個譬喻,因為要會使用才能發揮它的價值。我習慣把知識分成「心法」、「招式」、「武器」類型。武器是在提升招式的效果,在我看來,分析、資料處理的能力就是招式,而當會使用不同的統計方法,將會讓自己武器欄中有更多選擇。我經常提醒學生,在使用不同統計方法時要注意其限制及使用目的,如此才能對分析有所加成。(見以下單變量、多變量圖表)。
記得大五的時候,在市場調查與統計分析的課堂上,私下和張郁敏教授聊到統計分析方法,老師說單變量和多變量大部分都是廣義的回歸分析。那時候我似懂非懂,不過看完本書內容後,好像有點融會貫通的感覺(若有興趣的請見本書pp.184~pp.198)。
然並非每個人都必須要有屠龍刀或倚天劍,不過都必須具備「統計素養」的心法。才不會淪落到像現在許多中小企業,花大錢請人做調查,但是公司的專案負責人根本分不清楚是不是在亂做。有了上述的心態建立,成為武功高手的途徑,餘下的就是反覆的操練操練再操練。
資料來源:Hair et. al,《Multivariate Data Analysis》,7E,pp.13~pp.14 |
最後,如果你想暫時擺脫統計的教科書,又希望能複習統計學的內容,我很推薦這本書。
【未完待續......還有實踐篇】
●○●若對上述內容有興趣、想法的朋友歡迎討論並分享●○●
圖片來源:博客來網路書店 |
沒有留言:
張貼留言