歡迎來到數據分析的世界！

你好！在你的 HKICPA QP 學習旅程中，你會發現會計師的工作不僅僅是記錄數字，更重要的是要學會解讀這些數字。在本章中，我們將探討如何將大量的數據總結為幾個有意義的指標。這些技巧能幫你回答兩個至關重要的問題：「甚麼是典型數值？」（集中趨勢）以及「這些數據有多分散或有多大風險？」（離散程度）。讓我們開始吧！

第一部分：集中趨勢的測量

你可以把集中趨勢（Central Tendency）想像成數據的「重心」。如果必須選出一個數字來代表整批發票或股價，你會選哪一個？

1. 算術平均數（平均值）

平均數（Mean）就是大多數人所說的「平均值」。計算方法是將所有數值相加，再除以數據的總數量。
公式： \( \bar{x} = \frac{\sum x}{n} \)
其中 \( \sum x \) 是所有數值的總和，\( n \) 是觀測值的數量。

現實生活例子： 如果五位客戶分別支付了 $200、$300、$250、$400 和 $350，平均付款額就是 \( \frac{1500}{5} = \$300 \)。
請注意！ 平均數對極端值（outliers）（極高或極低的數值）非常敏感。如果其中一位客戶突然支付了 $10,000，平均數會大幅飆升，導致你的「典型」付款額看起來比實際情況高得多。

\n\n

2. 中位數（中間人）

\n

中位數（Median）是將數據由小到大排列後，位於中間的數值。如果有偶數個項目，則取中間兩個數的平均值。
\n為什麼要用它？ 中位數非常「穩健」。它不會被我們上面提到的討厭的極端值所欺騙。這就是為什麼經濟學家在統計「家庭入息中位數」時，比起「平均家庭入息」更偏好使用中位數——它能更好地代表一般人的水平，而不受億萬富翁的極端數據影響。

\n\n

3. 眾數（最受歡迎）

\n

眾數（Mode）就是數據集中出現頻率最高的數值。
\n記憶小撇步： MOde = MOst frequent（出現最頻繁）。
\n例子： 如果你售賣 T 恤，賣出了 10 件 S 碼、50 件 M 碼和 20 件 L 碼，那麼眾數就是「M 碼」。

\n\n

快速回顧：該用哪一個？
\n- 當數據分佈對稱且沒有極端值時，使用平均數。
\n- 當數據中存在極端值（如樓價）時，使用中位數。
\n- 當處理非數值數據（如最喜愛的顏色或最常見的錯誤代碼）時，使用眾數。

\n\n

重點總結： 集中趨勢告訴我們數據的「中間位置」在哪裡，但它無法告訴我們數據點是緊密聚集還是分散開來。

\n\n

第二部分：離散程度的測量

\n

想像兩位職業高爾夫球手。兩人的平均桿數都是 72 桿。然而，球手 A 的成績總是在 70 到 74 之間，而球手 B 有時會打出 60 桿，有時卻是 84 桿。球手 B 的成績更「分散」。在商業中，離散程度 = 風險。

\n\n

1. 全距（Range）

\n

全距是最簡單的測量方法。它是最高值與最低值之間的差額。
\n公式： \( Range = Max - Min \)
\n例子： 如果最高的審計費用是 $50,000，最低的是 $10,000，則全距為 $40,000。
局限性： 和平均數一樣，它非常容易受到單一極端值的影響。

2. 變異數與標準差（主力軍）

這些指標告訴我們數據點平均偏離平均值有多少。標準差（Standard Deviation, SD）是財務和經濟學中衡量風險最重要的指標。
逐步計算：
1. 找出平均數 (\( \bar{x} \))。
2. 將每個數值減去平均數（這就是「離差」）。
3. 將每個離差平方（這樣我們就不會有負數）。
4. 將所有平方值相加。
5. 除以 \( n - 1 \)（針對樣本）以得到變異數（Variance）。
6. 開平方根得到標準差。

樣本標準差 (\( s \)) 的公式： \( s = \sqrt{\frac{\sum (x - \bar{x})^2}{n - 1}} \)

如果起初覺得複雜，不用擔心！ 只要記住：低標準差代表數據接近平均值（可靠/穩定）。高標準差代表數據分佈很廣（波動/高風險）。

3. 變異係數（Coefficient of Variation, CV）

這是一個聰明的工具，用於比較兩個單位不同或規模差異巨大的數據。
公式： \( CV = (\frac{Standard Deviation}{Mean}) \times 100\% \)
例子： 你想比較港幣計價股票（平均值 $100，標準差 $10）與美元計價股票（平均值 $2，標準差 $0.50）的價格波動性。通過計算 CV，無論貨幣面值多少，你都能看出哪一隻股票的波動性相對更高。

重點總結： 離散程度幫助會計師量化不確定性。數據越分散，預測結果的難度就越高。

第三部分：常見錯誤要避免

1. 混淆平均數與中位數： 務必檢查是否有極端值！如果數據集有「長尾」（如薪酬分佈），平均數會被拉向尾部，但中位數則會保持穩定。
2. 混淆變異數與標準差： 請記住，變異數的單位是「平方單位」（例如「元平方」），這很難向客戶解釋。我們通常會取平方根得到標準差，因為它能回歸到原始單位（例如「元」）。
3. 忘記使用 \( n - 1 \)： 計算樣本變異數/標準差時，我們必須除以 \( n - 1 \) 而不是 \( n \)。這是一個稱為貝索修正（Bessel's correction）的統計調整，目的是讓樣本估計值對整體母體更準確。

快速複習總結表

概念：平均數 (Mean) | 定義： 平均值 | 適用於： 無極端值的數據。
概念：中位數 (Median) | 定義： 中間數值 | 適用於： 偏態數據（如財富分佈）。
概念：標準差 (SD) | 定義： 偏離平均值的平均距離 | 適用於： 衡量風險/穩定性。
概念：變異係數 (CV) | 定義： 相對離散程度 | 適用於： 比較不同的數據集。

你知道嗎？ 在完美的「常態分佈」（鐘形曲線）中，平均數、中位數和眾數完全是同一個數字！當它們開始出現分歧時，就代表我們的數據變得「偏態」或不對稱了。

你一定做得到的！ 掌握這些指標是將凌亂的數字轉化為清晰商業故事的第一步。繼續練習標準差計算，熟能生巧，它們很快就會變成你的直覺！