※ 引述《varians (我的終場時刻...8個月..)》之銘言： : ※ 引述《rocknieh (絕妙啊～)》之銘言： : : 推文實在太麻煩，直接寫一篇好了 : : V兄說我逃避問題，可是實際上的情況是：我看不懂他在寫什麼。 : : V兄舉了Kaplan（BSC和ABC的發明人之一）當例子，叫小弟去查這 : : 例子。那好了，查了結果是什麼？Robert Kaplan，MIT的電機學、 : : 碩士，Cornell的作業研究博士。請問V兄用意為何？證明小弟是對 : : 的：的確會計研究做得好的人未必是會計出身的？ : 本來不想回了(放心!我還是秉持原則,自動2天後刪文) : 舉kaplan的例子,剛好相反 : 您的第一篇文章,基本精神我是贊同的唯有若干觀點不認同 : 已經於上次回文(已刪)中提及 : 您的第一次回文 舉了BSC,我才會提出kaplan : 並順便把另一面向:管理與會計之關聯與研究領域寬窄 提出 : 請問BSC是管理領域還是會計領域? (其實沒什好分的;只是包含問題) : 或者您有不同的見解 : 是會計應用管理;還是管理應用會計? : 我的意思;請不要自動把Kaplan歸類為會計研究,要問他的意見? : 或者不要自動把Kaplan歸類為會計學者,一樣要問他的意願? : 我這樣的提問不知夠清楚嗎? : 以上問題不需回答了,我不會在回了 我想我原本的意思很簡單：會計不必然被包含於財務中：例如，BSC是 會計的一部分，但BSC不是財務的一部分，所以會計不必然被包含於財 務中，得證。至於Kaplan什麼的，那是你提的，我可沒打算去歸類他到 底是什麼學者。是什麼學者不等於就不能做別的研究，也沒人規定不同 領域的學者身分是互斥的。Kaplan喜不喜歡當會計學者是一回事，但起 碼ABC和BSC是每一本成管會課本都有的東西，他到底算不算？請自由心 證，反正那本來就不是重點。 : 再者 : 我再次強調 : 在我的思維裡 : 回答原提問人的問題,要有focus,不要扯一些非直接的主觀因素 : 我只有一個重點 : 會博之相對難產,在於會計本身相對領域寬窄 : 而不在於人,人,人............的背景 : 您或有似無的強調.....我的回文動力 : 我從未說過 非會計背景做的會計研究較好 : 亦或 會計背景做的會計研究較好 : 至於 教學問題...只是單純回應您 : 做點建設性的建議較好 : 否則 現役 就讀會計系所的莘莘學子 情何以堪 : 我也強調 : 我不反對 會博要有多元的入學管道;要有多元背景的學生參與 : 但我不會說 誰比誰好...太主觀 : 以下是對大大們,純個人建議 : 現就讀會研的學弟妹 : 不要讓若干文章嚇到 : 計量是必要,也且要扎實但夠用就好 : 有志會博者 : 微積分 線性代數 要加強(身為大學基礎數學,自然有其道理) : 他們是機率統計與推論統計的基礎...... : 至於其他工具...有需要... : 應著重在您的研究領域 您所關心的問題 : 總該不會..大學重考自然組吧.... : 在下時間比較少,請包涵...錢難賺,小孩又小.....大家加油,新年恭喜X 我絕對沒有說：非會計背景的作會計研究會比較好。我只有說：不同背景 的人都可能做好會計研究，只是研究方向可能會不一樣。唸會博數學要好 那是一定的，但是不見得會計系的數學就一定差，主要要看自己想不想唸 。如果說會計系的畢業生數學程度平均比較差，那也是因為會計系教學方 向偏實務使然，而這也沒什麼不對（當上事務所合夥人，年薪千萬，和會 不會線性代數一點關係也沒有） 從頭到尾，我只是想強調一件事：只要你數學還不差，對會計真的有興趣 ，就可以考慮會計研究，而能成功做好會計研究的背景組合有很多很多種 ，你可以挑一個適合你自己的路走，「不止」會計背景的人才能當一流的 會計學者。事實上，會計系的強者很多，只是未必會想唸數學，因為雙修 法律或別的可能會賺更多錢。 我這裡寫一下我心目中，如果是會計系所學生唸會博，除了本科系必修外 ，可能要先唸，或者是一起唸的東西（括號內的數字是上下學期總學分數） ： 初級版（最低下限，低於這個大概很難很難） 數理統計(8) 線性代數(6) 計算機概論(3) 中級（比較理想的版本，少後三門比較沒關係） 數理統計(8) 線性代數(6) 計算機概論(3) 計量經濟學（含統計軟體應用，最好先修數統再來唸）(6) 財務管理(3) 個體經濟學(6) 常微分方程(6) 機率論（隨機過程的部分）(3) 多變量分析（先修數統）(3) 數理財務導向高級版（有意走向偏數理財務的會計研究，別的方向的研究 可能就不一樣） 數理統計(8) 線性代數(6) 計算機概論(3) 計量經濟學（含統計軟體應用）(6) 財務管理(3) 個體經濟學(6) 常微分方程(6) 機率論（隨機過程的部分）(3) 多變量分析(3) 投資學（先修財管）(3) 高等微積分(8) 數值分析（先修高微、線代、常微方）(6) 資料結構（先修計算機概論）(3) 演算法（先修資料結構）(3) 偏微分方程（先修常微方）(6) --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 123.193.90.120