・第1章：経営戦略のための統計学
・ハーバードビジネススクールのマイケル・ポーター教授は、
　企業の業績が好調になるかどうかは
　「どんな市場構造のところでビジネスを営んでいるか」によって
　大きく左右されるとし、産業内の競争環境をチェックする
　「ファイブフォース分析」という手法を生み出した
・一方でポーターと異なり、企業内の強みである「ケイパビリティ」に
　注目したのがジェイ・バーニー
・資本や工場といった有形資産、ブランドなどの無形資産、
　ケイパビリティ（人材や技術）の3つのリソースが競争優位性に繋がり、
　それらの使い方がうまければ企業は持続的に利潤をあげられるとした

・ポーターとバーニーはどちらが正しいのか
・1985年MITのシュマレンジーが分散成分分析にて、
　アメリカの製造業のデータを分析し、
　「どの産業分類に属しているか」（産業要因）と
　「市場シェアの大小」によって、企業ごとの総資本利益率の
　バラつきがどれほど説明されるかを明らかにした
・結論は、
　産業要因だけで企業の総資本利益率のバラつきの19.6%が説明され、
　シェアの大小による総資本利益率の説明力は僅か0.6%だった
・つまり、個別の企業努力でシェアをとることよりも、
　どのような市場で競争するかを選ぶことの方が重要であると示唆された

・ただし、その後の複数の研究では逆の結果が出てしまう
・UCLAのルメルト、テキサス工科大学のロケベルト、
　トロント大学のマクガハンとポーター自身のそれぞれの研究結果からは、
　産業要因の説明力は2割程度、企業要因は3～5割程度、
　それ以外の要因で3～5割ほどの収益性が左右されることがわかった

・また、日本の企業を用いた分析は、
　1999年～2006年まで、ニッセイ基礎研究所の小本さんが
　東証上場の1091社のデータを用いて分散成分分析を実施し、
　結果として「産業要因」が5.5%、「企業要因」が51.0%で、
　それぞれ総資本利益率のばらつきを説明することが分かった
　※売上高1000億円以上の企業において同様の分析をすると、
　　産業要因が10.8%、企業要因が47.0%を説明している

・手順①：競争する市場の範囲と分析対象企業の設定
・水平方向への市場分析
　「顕在的な競合」に加えて、
　　潜在的な「代替品」も競争相手として捉えておく
・垂直方向への市場分析
　バリューチェーンの上流から下流まで市場の捉え方を拡大し、
　その中で収益性の大小を左右している要因は何かを考える

・手順②：分析すべき変数のアイディア出し
・Google Scholarなどで、調べたい内容
　(例：”resource based view”と”systematic review”と入力）して文献調査
・筆者が調べた際には、業績に影響を与える要因は
　資源、ケイパビリティ、コアコンピタンスの3分類に整理され、
　「人材」「評判」「仕事と家族のバランスを取るためのポリシー」など
　が重要要素であるという観点を得ることができた

・手順③：必要なデータの収集
・公開されている客観的なデータを使用する
・「儲かっている度合い」は売上や営業利益額などの絶対額ではなく、
　シュマンジーやルメルトと同じく「総資本利益率」を使うことがオススメ
・ベンチャー企業などを分析対象とする場合は
　現在の利益率ではなく市場からの期待される将来性を加味するため
　「時価総額」を指標として分析することもある
・単年度の数値よりは3年あるいは5年と、ある程度のスパンの平均値を
　取った方が、単年でのイベントに経営指標が大きく左右されてしまう
　といった過大評価・過小評価のリスクを減らせる
・非上場企業の場合でも、帝国データバンクから1社数百円程度で
　取り寄せられるデータがあることも

・手順④：分析とその解釈
・単純集計ではなく、重回帰分析を使用する
・重回帰分析ならば「他の説明変数の条件が一定だったとすれば、
　　この説明変数が1増えるごとに総資本利益率はいくつ増減するか」
　という形で結果を示すことができる
・重回帰分析で注意すべきは、分析対象とする企業数よりも
　分析に使用する説明変数の数は少なくなければいけない点
　（データ数が30社なら、説明変数は29個以下でないと分析できない）
・説明変数の選択には、ステップワイズ法がおすすめだが、
　1996年にスタンフォード大学のティブシラーニ教授により開発された
　「ラッソ正則化」やその派生形の手法による変数選択の方が望ましい
　という考え方も広がっている