独立试探模型.docx
《独立试探模型.docx》由会员分享，可在线阅读，更多相关《独立试探模型.docx（18页珍藏版）》请在冰豆网上搜索。
独立试探模型
独立试探者的试探模型----无聊的时候去学习吧
微软前总裁高群耀说过一句话让我印象深刻，大意是咱们尽力了那么连年，取得了不小的成绩，我相信咱们必然做对了一些情形。
我感觉能够做对情形的一个重要前提是，咱们想对了一些情形，而要想对情形就需要把握一些正确的试探方式。
巴菲特和芒格必然不是靠掷筛子下注的，他们比一些人更接近真相的最重要缘故是因为他们把握了更正确的思维方式。
我个人将试探问题分成7个步骤。
1．正确的概念问题DefineQuestion
咱们的躯体常常不太伶俐，表面现象常常还有所指。
牙齿脱落可能是肾虚；而头发疼可能是头脑出了毛病。
一样的，咱们的大脑常常不伶俐，大脑提出的问题未必是真正需要解决的问题。
一个打算跳槽的做人力资源的学妹曾经问我，“我投的一家大公司即将给我offer了，可是此刻所在民营企业的老板许诺给我加薪升职，我还该不该跳槽呢？
”
我问她“什么缘故要跳槽呢？
”
“想去外资企业。
”
“什么缘故想去外资企业呢？
”
“外企规模大，也加倍正规。
”
“什么缘故要去规模大的企业呢？
”
“因为规模大的企业有一套完善的流程。
”
“有完善流程的企业对你有什么帮忙呢？
”
“能够让我学到加倍完整的人力资源体系。
”
“学到那个对你意味着什么？
”
“这是我职业进展的方向和向上冲破的重要基础。
”
“好，那么此刻的企业即便给你升职，是不是能让你学到完整的体系呢？
”
“不能，我明白了。
”
那个时候学妹头势和思路就超级清楚了。
其实，在那个进程中我只是帮她纠正了概念问题的方式。
她的问题不该是一开始问的“该不该跳槽”，而应该是“哪个公司能给我我要的学到完整人力资源体系的机遇”。
我曾经留意过一天中被问到的问题。
我发觉，2/3以上的提问者自己都没想清楚自己最终想明白什么。
咱们得不到答案往往是因为没有问正确的问题。
2．成立逻辑树SetupLogical（Decision）Tree
巴菲特最好的合作伙伴查理.芒格曾经形容过巴菲特的思维方式的优势，其中一点确实是巴菲特及其擅长运用逻辑树，又叫决策树。
什么是决策树？
确实是由所问的问题展开的要解决那个问题需要考虑的因素（把问题作为结果，即是会阻碍结果的因素）。
这是我自己的概念，未必准确。
例如，我想明白为何阿凡达的票房会如此火爆，请问你该如何回答。
是因为炒作？
因为实力？
仍是因为导演知名度？
这些答案都没有错，可是那个问题的答案可能更复杂一些，复杂到咱们不能仅仅通过拍脑袋想到或媒体上看到的几种可能性来下定论。
我和自己做了一下头脑风暴，取得了如下逻辑树，见图。
阿凡达剧中有棵生命之树，是潘朵拉星球生命的本源，万物由它而生。
把咱们的问题看成生命之树，衍生出的各类可能性和阻碍因素通过层层剥离的方式列出，就形成了逻辑树。
此处我只粗略列了2个1级目录，4个2级目录和16个细分缘故，若是认真思索，必然能想到更多。
3．奥多姆剃刀DirtyFilter
你必然也发觉了，逻辑树中有几处缘故有明显的问题。
例如，内部因素->人的因素->演员。
不清楚导演的用意安在，这部片子的演员大体都不是大牌，可能是为了节约片酬本钱（终归看不清脸），也可能是个人适应（昔时的《泰坦尼克号》启用的也不是那时的大牌）。
因此，由于演员吸引了观众而促使《阿凡达》火爆的说法显然站不住脚。
咱们能够直接将他从逻辑树中删除。
奥多姆剃刀的原意已经很难考（我已经看到众多版本，这也不是本章的目的），我的说明是为确保高效简练和操作性，保留核心，斗胆删除不相关部份或相关度低的部份。
4．提出假设BuildHypothesis
到了最关键的一步了。
大多数人的思维方式是正向思维（这也是人类大脑“原装”的思维方式），即演绎的思维。
要回答阿凡达为何火爆的问题，咱们能够搜集海量的各类数据，动用大量的人力物力精力，综合分析，最后计算出无数种可能性，最后从庞杂的数据库中寻觅相关联系，最后找出问题的答案。
但是咱们往往没有如此无穷的资源，即便有，咱们是不是存在更好的方式呢？
逻辑学家提出了归纳的方式，这种试探方式在数学家手中进展出了递归的思维方式。
当运用到科学领域的时候，科学家总结出了一种有效的思维模型：
假设-查验。
也确实是说，在我用海量数据进行分析之前，先进行假设。
例如，我依照自己的常识，感觉和少量的数据，进行判定，提出一个假设，“《阿凡达》的火爆票房是因为经济大萧条引发的”。
那个假设不是空穴来风，确有许多经济学家发觉一个隐藏的违抗常识的规律：
当经济萧条的时候，确实是娱乐产业暴发的时期。
好，既然那个假设是有可能成立的，咱们接下来就要找到相应的数据，来支持，或推翻咱们的假设。
5.确信数据DefineData
我此刻就要找到数据来查验我的假设，“《阿凡达》的火爆票房是因为经济大萧条引发的”。
那么我需要哪些数据呢？
若是我以美国为例，若是假设成立，那么美国经济的进展趋势是不是和娱乐产业相悖？
美国有几回经济萧条？
萧条期娱乐产业进展速度如何？
那么非萧条期娱乐产业进展又如何？
（在证明一件情形是什么的时候必需同时证明他不是什么）娱乐产业，尤其是电影产业有哪几个暴发的时期？
这些时期GDP的进展如何？
在欧洲，日本，中国等国家和地域是不是有一样趋势？
另外，若是咱们想把问题解决的加倍周密，还需要考虑如此几个问题：
《阿凡达》多大程度能够代表电影产业和娱乐产业？
（毕竟娱乐产业再好的时候毁掉的电影也不在少数）电影产业的火爆是因为经济萧条引发的？
仍是仅仅同时发生但并无因果关系？
若是有因果关系，产业链又是如何从经济引导到一部具体的电影的？
这些问题，有需要哪些数据来支持？
回答完这些问题，咱们就确信了搜集数据的方向。
6.写出数据来源ListDataSource
咱们已经明确了需要哪些来源，比如咱们已经为晚上的Party开好了菜单，那么此刻咱们就要计划好去哪里买菜了。
是去大卖场，仍是超市，菜场，仍是便利店。
不同的产品需要从不同的渠道采购，数据也是一样。
7.搜集数据CollectData
开始着手搜集需要的信息，并在那个进程中不断调整打算。
好，到那个地址为止，咱们完成了一个思维循环。
咱们在处置任何的问题时，一种有效的方式确实是以果为始。
以最终的结果作为试探的开始，以最初需要的数据或者信息为那个循环思维的终点。
在试探一个重要问题，或做出重要结论前，先确信真正的问题，思索一下所有的相关因素，进行清理。
然后针对重点提出假设，并明确支持或推翻假设需要的数据，然后明确目的地，搜集数据。
如此的试探方式，能帮忙咱们变得更高效，科学和壮大。
今天是个信息爆炸的时期，咱们不缺少信息，唯独缺少有效的分辨信息的思维方式。
就比如缺乏一杆标尺，帮忙咱们衡量哪些信息是重要的，哪些是咱们不需要浪费时刻的，而哪些全然确实是垃圾。
1.实证模型
第一，有很多问题是无法通过数据取得理性科学结果的。
请问，以下哪个问题是咱们能够通过数听说明从而解决的呢？
1）人一辈子的意义是什么？
2）甲型猪流感被治愈的概率是多少？
3）灵魂转世是不是存在？
回答下列问题之前，先要明白什么是“实证”。
一个最简单明了的明白得：
“实证的”确实是指能够通过客观事实来证明的。
科学的试探方式的一个重要基石确实是实证主义，即任何一个理论或理念要被确以为正确的话，第一他必需是能被观看的，能现实存在的。
不然就无法被科学地承认。
若是有人以为科学其实也未必“科学”，还有大量科学未能说明的现象例如用意念移动电视机，因此咱们凭什么相信“实证”确实是对的呢。
对不起，我只讨论科学系统中的试探方式，人文主义的明白得不在此讨论。
接下来，咱们利用实证模型看待之前的三个命题，很显然，1）人一辈子的意义是什么？
是咱们无法通过实证来证明的，那个问题直接pass，咱们全然不需要花时刻讨论，因为全然没有终极的答案，固然这不妨碍咱们试探那个问题。
2）甲型猪流感被治愈的概率是多少？
无疑是能够被现实观看和证明的。
3）灵魂转世是不是存在？
这是个有趣的问题，貌似很难观看和证明，而事实上咱们仍是能找到方式来证明的
2.可证伪模型
咱们在互联网上常常看到许多颠覆性的言论，惊为天人。
想一想总感觉有什么不对可是又不明白问题在哪里。
这时可证伪是个超级有效的模型。
可证伪性模型有3点需要注意。
1） 可证伪的概念。
可证伪概念比较长，我的通俗表达确实是：
当这句话/理论是为真时，发生A，若是不为真时，发生B。
A和B互斥。
好了，确实是那么简单。
我记得曾经有个足球讲解佳宾，他显然专门好的把握了可证伪那个模型，因此反过来利用忽悠观众。
他每场竞赛开始都会说，“这场竞赛主队优势超级大，只要好好打，成功确实是他们的。
可是，若是对手好好打，那么可能就要输了。
”最后不忘补充一句，“固然，若是大伙儿都发挥不错，平也是有可能的”。
我听了就想把脚上臭袜子塞他嘴里去。
现实生活中，咱们能够运用可证伪那个模型来分辨信息的正确性（或反过来讲是好笑性）。
2） 能说明一切的东西往往不具可证伪性。
适才的讲解佳宾就说明了一切可能性，不管主队最后是胜平负，他都是正确的。
因为他的“正确”是成立在不可证伪的基础上的，因此事实上他“极可能”是错的。
另外一个典型的例子确实是星座。
星座以为人的诞生时刻决定了那个人的性格，以后，乃至人一辈子轨迹。
总之那个人他妈决定何时生他就给他一生定了性了。
我试图举出反例证明星座极可能是不存在的，我的例子是有一对孪生姐妹，因为被不同的家庭抱走了，因此性格迥异，人一辈子遭遇也迥异，但他们确实是同时出生的。
若是星座是对的，那么他们的以后应该是完全相同至少超级接近的。
可是马上有许许多多星座的拥趸来指出了我的“无知”。
他们告知我，星座是很精准的，精准到每（此处省略200个零）1秒。
所以，虽说是孪生姐妹，可是他们在出娘胎的时刻上也是有细微别离的。
而正因为星座对时刻的说明是如此精准，因此孪生姐妹几乎不可能在同一时刻诞生，他们的性格和以后迥异是很正常的啊！
最后得出结论，即即是孪生姐妹悖论也无法证明星座的无效性，星座是全能的，是终极真理，是千秋万代,一统江湖。
好吧，既然如此，我也无话可说了。
3） 可证伪是有强度的。
强度不同，可信度也不同。
我说我能预测扑克牌的大小，随意抽一张王之外的扑克，我预测这张牌必然大于等于1，小于14，你是不是想抽我一顿？
是的，这确实是所谓股神利用的技术。
股神提供的预测往往是貌似能够证伪，实那么可证伪强度很低的。
股神会先发表预测，看好某类股票，并告知大伙儿，他预测股票必然会涨，除非国际市场发生转变。
那个所谓“国际市场的转变”的范围其实超级大，大到通用破产了小到邻居流产了。
可是杀红了眼的投资者往往可不能认真考虑这些信息的可证伪强度。
最后，若是预测对了，股神微微一笑故作神秘；若是错了，就会说这是由于某某国际事件的意外阻碍。
总之股神是可不能错的，因为他的话尽管可证伪，可是可证伪强度几乎为零。
可证伪模型能够帮咱们分辨信息的可信度。
3.信息来源模型
信息是不是准确，一个重要的衡量标准是信息的来源是不是靠得住。
那个靠得住包括两层含义。
第一层是那个信息的本源是不是可信。
第二层含义是信息宣传的来源渠道是不是可信。
在第一个层面上，最可信的渠道确实是取得行业认可的专业学术刊物。
一个理性的科学观点若是要成为社会的主流，那么必然要能够经历同行的考验。
面对当前国内雨后春笋般的经济学家，要分辨其是真有实力仍是仅仅哗众取宠，只要看他是不是曾在国际核心刊物上发表过论文。
郎咸平教授尽管具有“走江湖”人士才具有的出众口才，可是其发表在JournalofFinancialEconomics和ournalofFinance的论文能够证明他在国际上是能说上话的，并非哗众取宠。
而曾经盛行网上的“X个奇异事件”，其实只需要留意其信息来源，就会发觉要不是不知名的八卦小报，要不确实是凭空编造的的来源信息，即即是确有起源，也是假借其名，在第二层面上进行造价。
通过业内认可的专业期刊取得的信息是比较可信的，而其他来源的信息，需要谨慎得追根溯源，不然可能研究半天取得一堆垃圾。
4.个案见证模型
咱们常常能够在网上看到这种故事：
某国（一样不是美国确实是俄罗斯）专家发觉某种独特医治癌症的方式（意料之外情理更之外的方式），例如吃屎或长时间倒立，能够有效治愈癌症，并已在多名志愿者身上实验成功。
此类信息，大体不可信。
缘故是一件情形若是只能靠“个案”或“见证者”是无法证明其真实性和有效性的。
那么哪类信息是可信的呢？
是拥有大量样本的统计数据。
格兰德维尔有一本书叫《Outlier》，中文名字叫《异类》，描述了与大的群体表现不符合的一小部份人的情形。
可是，outlier是大自然中的少数，outlier的存在是无法代表大多数的。
因此，在判定一个论断，或一个发觉的时候，只需要分辨那个结论的依据是大量的实验或统计数据，仍是仅有的几个个案。
个案见证模型能够帮咱们分辨信息的代表性，从而判定是不是需要采纳。
5.具象模型
大部份的信息都是抽象的，若是将之具体化形象化，简称具象，会加深那个信息给咱们的印象，增大在咱们心中的阻碍。
具象模型分成2个部份，别离是“鲜活形象效应”和“当下发生效应”。
举例说明“鲜活形象效应”。
当你听到全世界受饥荒阻碍的人口是地球总人口的30%，你可能只是取得一个数字，可不能有更深一次的感触。
而若是你看到的是一部纪录片，记录了某国3个贫困儿童在饥荒中和狗争食，捡人们抛弃的垃圾为生的生存现状的话，你必然会被深深触动，从而以为饥荒的情形超级严峻。
后者因为形象鲜活，而不是一个冷酷的数字，令人主观夸大了信息的阻碍力。
再看“当下发生效应”。
电影《阿凡达》最火爆时，很多人以为这是人类历史上最伟大的电影。
其实，这并非单是因为《阿凡达》本身优秀，而是因为这是当前发生的情形，人类擅长遗忘的本性让咱们无心中将当前发生的情形的阻碍力夸大。
再过假设干年，《阿凡达》应该也会成为咱们经历中某一部已经被淘汰的“有点印象”的电影。
利用“具象模型”，咱们就能够轻易的说明，什么缘故飞机作为全世界最平安的交通工具却有许多人宁愿做汽车而不敢坐飞机。
具象模型给咱们提供了一种思路，哪些重要的信息是被咱们主观意识夸大的，从而是咱们可能客观的其阻碍。
看侦探小说最大的乐趣不在于明白结局，而在于侦探提出犯法假设，到现场寻觅线索，然后在脑中试探这些线索的关联和矛盾，从而成立犯法真相的模型，最后将线索填入模型，Bingo！
得出结论的试探进程。
那个主题将分享我的5个寻觅真相模型，体验成为数据侦探的乐趣。
1.因果关联模型
我上大学时，我发觉一个超级有趣的规律。
周围哥们和女朋友分手的概率是和他最近去学校小卖部的概率成正比的，我把那个叫做“超市夺妻理论”。
那个发觉乍一看很令人惊讶，男人去超市的次数怎么会和与女友分手成正比关系呢？
若是这二者没有关系，什么缘故数字上呈现明显的正相关呢？
认真观看后我发觉，情形原先是如此的。
一样人去超市购买生活必需品的频率大体是相同的，同时一个人的生活适应和购买适应可不能轻易改变的。
但有一件东西的购买频率是很容易改变的，确实是香烟。
什么缘故呢？
因为香烟和那个人近期的心情有专门大关系。
除少数见人就发烟的好汉，大部份人的香烟都是买来供自己抽的。
若是一个人最近抽烟数量猛增，一样只有两种可能。
一是精神压力极大，这往往是因为生活上碰到了困难。
例如考试考不出，工作找不到，考试没抄着答案，或是抄着了答案可是被发觉了。
这种情形下，这哥们会陷入低潮，心情失落，脾气特差，也疏忽了女友的感受，这些因素是情感产生了摩擦，致使了情感的裂痕最终致使分手。
第二种可能是喜爱上了某种上瘾的癖好。
比如麻将，打牌，网游等等。
这种比较刺激的公共文化娱乐活动超级花费体力脑力，需要一只只的香烟提神。
于是女友因为无法忍受男友的不求上进而提出分手。
上面那个例子说明了一件情形，当咱们看待一个事件或数据时，A和B同时发生，未必代表A和B有因果关系，他们可能只是有相关性罢了。
因果关联模型确实是在脑中成立一个报警器，当看到两个高度相关的事件或数据时，灵敏的识别出他们究竟是因果关系仍是仅仅只有相关性，以避免咱们被表面现象或所谓专家举出的别有效心的数据所迷惑。
2.第三因素模型
咱们明白了AB相关并非代表因果，那么尝试进一步试探，AB究竟为何会呈现如此高的相关性呢？
背后的缘故是什么？
答案是第三因素。
也确实是说AB之间存在一个隐藏的关系C，实际上是AB和C发生因果关系。
例如，当咱们发觉一个地域燕尾服的销量越高，该地域的诞生率越低。
为了达到农人不要生太多小孩的目的，咱们是不是要求农人都穿着燕尾服去种地呢？
显然不是的。
假设燕尾服的销量是A，诞生率是B，那么必然存在一个经济发达指数C。
当经济越发达，高级宴会等需要燕尾服的场合会相应增加，同时经济发达也早就了更多的丁克族，从而降低了诞生率。
因此咱们能够说C致使了A，也致使了B。
因此C才是和AB发生因果关系的幕后黑手。
第三方模型在因果关联模型的基础上提供了发觉幕后驱动因素的试探方式。
可是，现实生活中的第三方因素并非都像燕尾服的例子那么显而易见，咱们应该如何通过科学的方式找到并确信第三因素呢？
3.“If…So…”操纵模型
咱们在试探的时候能够借鉴科学研究中经常使用的“操纵实验法”。
用最简单的语言说明“操纵实验法”确实是：
确保其他因素不变，找到发生阻碍的本源。
心理学家Harlow做过一个超级有趣的实验。
（例子来自于）他想回答一个困扰公共连年的问题，人们的恋母情节究竟是什么因素造成的，是因为母亲的哪方面特质是小孩迷恋母亲？
那时流行的假设是因为母亲提供了食物（乳汁），其他可能的相关因素有体温（母亲抱着小孩），舒适的触感（小孩抚摸母亲）等。
Harlow用猴子做了实验，小猴将接触2个假的不同的母猴，通过一段时刻后，看小猴更喜爱哪个母猴。
实验中，他每次都保证其他变量不变，而只改变他要测试的变量，例如母猴子都不提供食物，体温都一样，可是只有触感不同。
如此他就操纵了第三方变量。
Harlow发觉，一段时刻后，相较起硬梆梆的电线制作的母猴子，小猴子明显偏爱触感更佳的绒线做的母猴子。
然后Harlow再加入其他变量，例如温暖的电线猴子和冰凉的绒线猴子；能提供乳汁的电线猴子和不能提供乳汁的绒线猴子。
他发觉小猴子仍然偏爱绒线猴子。
因此他得出了恋母情结是来自婴儿时期抚摸的触感那个结论。
实验通过保证其他变量不变，而只改变要测试的量，来达到发觉第三方变量的目的。
一样，当咱们在试探的时候，咱们需要在脑中成立一个“If…So…”的操纵模型。
当其他的条件不变，若是那个情形变了，那么情形会受到什么阻碍。
那么咱们就能够分辨什么是情形的驱动因素。
更重要的，一旦那个驱动因素发生了转变，咱们就能够最快预见到以后会发生什么。
4.交互阻碍模型
可是，再一次，现实生活要比拿猴子做实验复杂的多。
例如，女人什么缘故会爱上某个男人？
显然答案就不是一个简单的“金钱”，“外貌”，“性格”，“幽默”能够完全说明的了。
这是一个多种因素结合的结果。
这种由多种因素彼此作用一起作用于结果的阻碍就叫做交互阻碍。
那个结论超级简单，可是放眼世界，咱们能发觉无数轻忽交互阻碍的人。
看一下财经博客就会发觉，无数自封的经济学家或投资专家仍然在仅通过通货膨胀，CPI，某项技术性指标，央行的某项方法乃至罗斯柴尔德家族的动向等单一数据/信息说明股市的走向。
在脑中成立一个交互阻碍的模型，确实是当看到一个数据/信息的时候，将该数据/信息放入过滤器过滤，判定是属于单一因素起决定作用，仍是众多因素彼此阻碍一起作用。
若是是交互阻碍，又有哪些因素一起作用，哪些作用大？
哪些作用久？
哪些又对其他因素产生阻碍？
作为数据侦探，若是没有嵌入交互阻碍的试探模型，就会夸大片面数据/信息的阻碍，而得犯错误的结论，变成屡犯错误的毛利小五郎。
5.安慰剂效应模型
安慰剂效应的概念超级普及，也很便于明白得。
最经典的关于安慰剂的案例是，把相同病症的病患随机分成两组，一组吃最新研制的特效药，另一组吃无疗效的镇定剂；一段时刻后，吃特效药和吃镇定剂的病患都以为自己的病症减轻了。
既然如此简单，那么什么缘故咱们还需要成立一个关于安慰剂效益的模型呢？
因为以上那个普及版的安慰剂概念是错误的。
什么缘故说是错误的呢？
以上那个案例的内容结合“安慰剂”三个字会让人产生一种误解：
病症的减轻是因为镇定剂带来的心理暗示（安慰）作用，因此由这种心理暗示（安慰）作用带来的以为自己好转的现象叫做安慰剂效应。
而事实上，安慰剂效应指的是，“错误地以为自己所采取的行动对结果产生了踊跃的作用，而最有代表性的例子确实是服用安慰剂案例。
”
在该案例中，让咱们触类旁通。
人体本来就具有必然程度自我修复的功能，因此服用镇定剂一组确实可能好转，而并非是心理安慰的作用。
一样，服用特效药一组的好转也可能是因为自我修复能力，而特效药可能全然是无效，是研发失败的。
安慰剂效应模型能够帮忙咱们质疑看似无懈可击的错误逻辑，发觉隐藏的真相。
正确的明白得了安慰剂效应模型，咱们就能够看看它对咱们是何等有效了。
咱们带着安慰剂模型再来尝试回答以下问题：
通用电气的一时繁荣，是不是真的来源于杰克.韦尔奇的改革方法？
美国经济指标的好转，是不是真的来源于奥巴马政府的经济措施？
温室效应的日渐明显，是不是真的来源于人类的污染行为？
仍是因为，他们本来就会如此，即便咱们什么都不做？
6.因果方向模型
我有个朋友身高矮小，他常常后悔青年时期没有打篮球而是一直踢足球，因为他以为打篮球能帮忙人长高。
他的理由是，你看NBA的人都那么高，还不是打篮球打出来的？
可是他错了。
NBA的人不是因为打篮球因此长那么高，而是因为长得高，因此适合打篮球。
咱们以为A致使了B的发生，可事实上可能正好相反。
咱们常常犯因果倒置的错误，从而得出完全错误的结论，这确实是什么缘故因果方向模型如此重要。
另外，因果的方向不是固定的，是可能发生互换的。
比如巴菲特初期选股凭的是目光，他挑选可能会上涨的股票；而到了晚年，巴菲特选股能够靠阻碍力，他挑选股票的消息本身就会造成股票上涨，因为市场相信巴菲特的目光。
因此，咱们看待一个数据/信息时，需要第一找到它的假设前提。
许多假设前提都是隐藏的，但却决定了作者基于假设的观点正确与否。
因果方向模型提供了解构和质疑假设前提的一种思维方式。
正确试探的一个重点是正确的阅读和分析数据/信息。
第一需要利用因果关联模型分辨关联与因果的不同性，在这基础上利用第三方模型寻觅可能的驱动因素，通过操纵模型确信真正的第三方因素。
然后通过交互阻碍模型全面的熟悉本质，通过安慰剂效应模型了解现象改变的真正缘故。
最后通过因果方向模型结构信息的假设，从而正确熟悉数据/信息，形成自己的试探结论。
升级会员 