多模型思维RIA

【概念/关键词名称】多模型思维

【分类】

[√]wow突破点

[]知识连接点

[]疑问点

[]探索点

【原文】

* 模型是用数学公式和图表展现的形式化结构，它能够帮助我们理解世界。

* 现代世界是高度复杂的，我们可能很难能理解为什么会发生这种情况。更何况，经验事实本身也可能是误导性的。我们需要模型，不然就无法理解计算机屏幕上不断滑过的数据流。有了模型，我们的思考会更有效。

* 只依靠单个模型其实是过于狂妄自大的表现，这种做法会导致灾难性的后果。相信只凭一个方程，就可以解释或预测复杂的现实世界现象，会使真理成为那种很有“魅力”的简洁的数学公式的牺牲品。

* 我们主张在给定情况下不仅使用一个模型，而要使用多个模型。

* 大部分学术论文遵循传统的一对一的方法，尽管有时它们是在使用单一的模型去解释复杂的现象。单个模型中的每一个都可能是正确的，但没有一个是全面的。面对各种复杂的挑战，创造一个包容更广泛教育成就的世界，我们需要的不是单个模型，而是多个模型构成的格栅。我们需要同时利用多个模型才能理解复杂系统。

* 鲍尔他只评估了两个可能有用的模型，然后选择了一个更好的模型。鲍尔拥有正确的信息（冰岛很小），选择了正确的模型（供需模型），并做出了一个明智的选择。

* 通过模型，我们可以在这些解释之间加以“裁决”，可以分析其内在一致性：它们是否符合逻辑？我们还可以用数据进行校准、对推断进行检验。

* 所有模型都是错的，但是同时运用多个模型确实非常有用。

* 多模型思维并不要求这些不同的模型将系统分割为互不相关的部分。我们可以部分地将主要的因果关系分离出来，然后探讨它们是如何交织在一起的。在这个过程中，我们将发现经济、政治和社会系统产生的数据会表现出一致性。

* 我们应该将逻辑一致性置于比直觉更优先的位置；我们不能满足于双重模型、三重模型甚至四重模型，我们要成为多模型思考者。

* 要成为一个多模型思考者，必须学习掌握多种模型，我们可以从中获得实用的知识，需要理解对模型的形式化描述，将模型的假设、含义和应用厘清。

【重述】

* 运用单一模型解释和决策是一种懒惰，人们直觉倾向于单因素和简单。单个模型中的每一个都可能是正确的，但没有一个是全面的。容易引发认知偏见，无法适应充满复杂性的现代社会。

* 我们需要多模型思考来消除每个单个模型的盲点。

* 多模型思考的三个步骤：

    * 掌握单个模型，包括模型的假设、含义、公式、应用及与其他模型的边界。

    * 根据信息，选择多个模型。

    * 在多模型之间，分析结果和逻辑的一致性，用数据进行校准，对推断进行检验。

【分析整理/知识连接】

边（连接）：从前有没有类似的（或看起来差不多的）信息？其他领域/行业/作者如何看待类似的问题？

* 探索问题的5why分析法，就是多原因挖掘，一直深挖。

* 科研需要通过多个证据来证明一个结论更有说服力。

* 数理统计包括参数估计与假设检验，检验必不可少。

* 模型不只书里的这些，自然科学中有大量模型比如牛顿三定律、万有引力、相对论、波函数、灾变论、进化论、化学键模型，可以借用部分思考方式应用于思维

界（区别）：无论是相反的还是类似的信息，和这个信息的真正区别是什么？交界在哪里？

* 模型是用数学公式和图表展现的形式化结构，抓住模型的本质是必要的，可以跟平时多元思考区分。

【经验/案例】

前期经验如何？有没有几个案例？

* 选择多模型：这几天写基金申请书，对于底板样品高汞现象进行探讨和分析，选用扫描电子显微镜、能谱、X射线衍射、煤质分析、微量元素分析多种方法，使用线性回归分析、聚类分析、因子分析多种模型得出结论。

* 模型检验：使用线性模型进行回归分析时，通过添加个去除单个数据对拟合函数进行了检验，发现函数值偏离较大的单点数据会极大影响回归结果，因此对数据进行了分段拟合。由此看出，建模后对模型进行一致性检验校准非常必要。

* Finkelmann的最新论文通过整体和分段分别聚类，揭示了煤地球化学数据在不同灰分区间内规律的差异，建议对灰分跨度较大的数据进行分段分析，分别得出规律。

* 很多论文仅通过线性相关分析得到一堆结论，言之凿凿，呵呵。

* 樊登老师讲《指数型组织》这本书时提到事物的发展经常是非线性的，而我们的思维往往是线性的。类似还有《非线性成长》《第二增长曲线》。我们要能够在线性思维的基础上，有意识地使用非线性模型思考。两种模型的区分是变化率是否恒定。

* 我在前期分析基金收入时没有考虑复利效应，以多年期定存利息的线性思维考虑问题了，直到看到72法则，资金翻倍速率等于72/r，如梦初醒。

【应用】

这个概念还有什么场景可以用？具体行动计划是什么？

* 多场景应用：科研、数据统计分析、决策、解释、沟通、设计、行动、推理、预测、探索。

* 目标：在单模型学习基础上，掌握多模型思维方法。

* 行动：

    * 学习各单个模型，尤其注意假设、含义、公式、适用边界；注意模型间的联系。

    * 学习模型应用，特别是作者如何通过现有信息选择运用某一模型的；RIA便签用起来，关联几个前期经验，规划行动。

    * 有意识地多模型思考，多问为什么，多想还有什么模型可以用，即使不恰当也要尝试。至少做到两模型思考，最低配做到线性结合非线性模型。

    * 如果有条件，注意数据检验和一致性。