商管統計資料分析一 (Analytics for Business and Management (I))

Overview

本課程為三模組系列課程之第一模組。此系列課程專門教授各種線性迴歸形式 (regression-type) 的統計分析模型與技術。此系列課程以大量多樣之商管實務案例進行解說，並以 R 統計語言進行建模分析，提供完整的命令稿 (script) 與資料集讓同學們實地操作演練，培養統計分析思維與實戰技能。本第一模組是築基課程，講述統計分析與迴歸模型的基本觀念，包括統計思維 (statistical thinking)、探索型資料分析 (EDA, Exploratory Data Analysis)、迴歸模型的原理與前提條件、參數估計與假設檢定、模型評估與詮釋、預測與應用、變數轉換與選擇、離群值與建模陷阱等。

Syllabus

Statistical Thinking

本單元介紹：1.統計思維、流程觀點、資料/數據的意義與角色；2.分析學 (analytics) 的層級；3.資料的基本形式、統計學的關鍵觀念；4.讓統計學成為商管競爭優勢

Exploratory Data Analysis (EDA)

本單元介紹：1.R統計語言的基本操作；2.探索型資料分析(EDA, Exploratory Data Analysis)：Summarizing data、Representing data、Examples with R

Linear Model: Simple Linear Regression (SLR)

本單元介紹：1.Simple Linear Regression (SLR)；2.Least squares estimators；3.Goodness of fit – coefficient of determination (R2)；4.Assumptions about SLR model；5.Statistical inference of least squares estimators；6.Model diagnosis – checking model assumptions；7.Prediction

Linear Model: Multiple Linear Regression (MLR)

本單元介紹：1.Multiple Linear Regression (MLR)；2.Least squares estimators …；3.Model assessment: R2 and Adjusted R2…；4.Assumptions about residual standard errors；5.Statistical inference: (1) Global usefulness test、(2) Nested model test / Extra-sums-of-squares test、(3) Individual test；6.Model building；7.Model diagnosis；8.Using the regression model: CI & PI

Linear Model: Transformation and Variable Selection in MLR

本單元介紹：1.Variable Transformations: (1) Natural log、(2) Polynomial、(3) Reciprocal；2.Influential Points: (1) Outliers、(2) High Leverage Points、(3) Cook’s distance；3.Variable Selection: (1) Testing-based procedures、(2) Criterion-based procedures；4.Regression Pitfalls (1) Multicollinearity、(2) Important predictor excluded、(3) Overfitting、(4) Extrapolation