第二版序
| 自從本書 2008 年付梓以來, 收到來自許多先進與學生的回饋與鼓勵,
對於書中的錯誤與不盡理想之處, 一直希望能夠予以修改。在疏懶多年後, 總算有了第二版可以與讀者見面。 第二版與初版最大的不同是, 我增加了兩個章節: 多變量常態分配 (第 8 章) 與時間序列 (第 19 章)。對於迴歸分析 (第 16 章與第 17 章) 我作了大幅度的修改。第二版揚棄古典迴歸模型中, 將解釋變數視為非隨機的假設, 並且不再假設分配為常態。因此, 對於迴歸模型的統計推論與分析, 需仰賴條件機率分配與大樣本漸進理論。對於作者與讀者來說, 這是一個頗具挑戰性的修改, 但是能夠跳脫傳統教科書之中較不適用於社會科學研究之假設, 是一件令人興奮的事情。 在每一章的習題裡面, 我大量地加入我在台大經濟系的統計學課程中, 歷年所出的期中與期末考題。此外, 我也放進我自 2004 年開始, 在台大經濟研究所入學考所出的題目。很多題目都經我精心設計, 希望讀者能夠好好享受。 我曾經讀到一則跟教學有關的文字: ``The principal guiding rule when
you teach a class is to treat people the way that you want to be
treated. This precept entails preparing your lessons well, going to
class with a good attitude, treating everyone with dignity and respect,
going out of your way to be helpful, and exerting every effort to be
fair and evenhanded.'' --by Steven G. Krantz |
| 這本書或許不能成為一本暢銷書(至少眾多出版商是這麼認為),
但是如果你能細心閱讀,希望你會發現這是一本有個性的好書。讀者不難發現本書與一般初等統計教本之不同在於,我對敘述統計,
變異數分析著墨甚少,而無母數統計則是捨棄不提。相反地,我對於機率模型,隨機變數, 漸近理論(大樣本理論),
估計以及迴歸分析則有較一般初等統計更為深入的探討。這樣的內容取捨,相當程度地反映我個人的偏好。對於迴歸分析,我由母體迴歸方程式(迴歸的敘述統計)出發,之後再談樣本迴歸方程式(迴歸的機率模型),與一般教科書有顯著不同。此外,我加入了一章對於貝氏統計學的初淺介紹。依照我個人求學經驗,如果是一學年的統計學,
往往在上學期機率模型的部分講授貝氏定理後,就再也不曾將相關的貝氏概念應用在下學期的統計學。因此,年輕時的我往往有此困惑:
除了作例題,寫實習,應付考試之外,我們為什麼要學貝氏定理? 事實上, 在統計學中存在著兩大學派:
古典統計與貝氏統計。過去的初統教科書只講古典統計,
卻不教貝氏統計的理由很簡單,因為要把貝氏統計學以淺顯易懂的方式講授,是一件相當困難的事。我在此嘗試將貝氏統計講的深入淺出,
希望讀者對於古典統計之外的另一個重要學派,能夠擁有一定程度的理解。 |
| 本書可用於一學年之統計學教學, 上學期為機率模型,
下學期則為統計推論。由於內容取捨, 本書的潛在讀者定位在經濟, 財金, 國貿等科系之學生。偏向於理工組的商管科系如工管,
管科等科系的學生亦適用之。數學證明大多放在每一章的附錄中, 提供喜歡較高難度挑戰, 或是喜歡追根究柢的學生參考, 但是略過證明不讀,
並不會妨礙你對本書內容與觀念的理解。 這不是一本高等統計或是數理統計的教科書, 但是在高統與數統的內容上卻有相當之介紹。對於有心打好統計學基礎, 將來想要繼續修習高等統計或是數理統計的學生, 過去的經驗是, 他們在一般的初統教科書所學到的知識, 與高等統計或是數理統計往往有一段不小的差距, 本書希望夠將此差距縮小, 讓使用本書的學生在一頭栽進高統或數統繁瑣而生硬的數學之前, 能夠先對相關議題建立直觀的理解與自信。 對於曾經修過統計學, 但是期盼對於統計學的觀念能有進一步了解的研究生或是一般讀者, 本書應有相當之參考價值。如果你對於高統或數統的教本望之生畏, 不妨由本書開始, 重新建立你的統計學基礎。 |