2016-08-15 22:47:35
Harlow發現，一段時間後，相比 起硬邦邦的電線制作的母猴子，小猴子明顯偏愛觸感更佳的絨線做的母猴子。然後Harlow再加入其他變量，例如 溫暖的電線猴子和冰冷的絨線猴子；能提供乳汁的電線猴子和不能提供乳汁的絨線猴子。他發現小猴子依然偏愛絨線猴子。所以他得出瞭戀母情結是來自嬰兒時期撫 摸的觸感這個結論。
實驗通過保證其他變量不變，而隻改變要測試的量，來達到發現第三方變量的目的。
同樣，當我們在思考的時 候，我們需要在腦中建立一個“If…So…”的控制模型。當其他的條件不變，如果這個情況變瞭，那麼事情會受到什麼影響。那 麼我們就能辨別什麼是事情的驅動因素。更重要的，一旦這個驅動因素發生瞭變化，我們就能最快預見到未來會發生什麼。
4. 交互影響模型
但是，再一次，現實生活要比拿猴子做實驗復雜的多。
例如，女人為什麼會愛上某個男人？顯然答案就不是 一個簡單的“金錢”，“外貌”，“性格”，“幽默”能夠完全解釋的瞭。這是一個多種因素結合的結 果。這類由多種因素相互作用共同作用於結果的影響就叫做交互影響。
這個結論非常簡單，但是放眼世界，我們能發現無數忽視交互影響的人。看一 下財經博客就會發現，無數自封的經濟學傢或者投資專傢依然在僅通過通貨膨脹，CPI，某項技術性指標，央行的某項措施甚至羅斯柴爾德傢族的動向等單一數據/信息解釋股市的走向。
在腦中建立一個交互影響的模型，就 是當看到一個數據/信息的時候，將該數據/信息放入過濾器過濾，判斷是屬於單一因素起決定作用，還是眾多因素相互 影響共同作用。如果是交互影響，又有哪些因素共同作用，哪些作用大？哪些作用久？哪些又對其他因素產生影響？
作為數據偵探，如果沒有嵌入交 互影響的思考模型，就會誇大片面數據/信息的影響，而得出錯誤的結論，變成屢犯錯誤的“毛利小五郎”。
5. 安慰劑效應模型
安慰劑效應的概念非常普及，也很便於理解。最經典的關於安慰劑的案例是，把相同病癥的病患隨機分成兩組，一組吃最新研制的特效藥，另一組吃無療效的鎮定劑；一段時間後，吃特效藥和吃鎮定劑的病患都認為自己的病癥減輕瞭。
既然如此簡單，那麼為什麼我們還需要建立一個關於安慰劑效益的模型呢？因為以上這個普及版的安慰劑概念是錯誤的。
為什麼說是錯誤的呢？以上這個案例的內容結合“安慰劑”三 個字會讓人產生一種誤解：病癥的減輕是因為鎮定劑帶來的心理暗示（安慰）作用，所以由這種心理暗示（安慰）作用帶來的以為自己好轉的現象叫做安慰劑效應。
而事實上，安慰劑效應指的是，“錯誤地認為自己所采取的行動對結果產生瞭積 極的作用，而最有代表性的例子就是服用安慰劑案例。”
在該案例中，讓我們舉一反三。人體本來就具有一定程度自我修復的功能，所以服用鎮定劑 一組確實可能好轉，而並不是心理安慰的作用。同樣，服用特效藥 一組的好轉也可能是因為自我修復能力，而特效藥可能根本是無效，是研發失敗的。
安 慰劑效應模型可以幫助我們質疑看似無懈可擊的錯誤邏輯，發現隱藏的真相。正確的理解瞭安慰劑效應模型，我們就能看看它對我們是多麼有效瞭。我們帶著安慰劑模型再來嘗試回答下列問題：通用電氣的一時繁榮，是否真的來源於傑克.韋爾奇的改革措施？美國經濟指標的好轉，是否真的來源於奧巴馬政府的經濟措 施？溫室效應的日漸明顯，是否真的來源於人類的污染行為？
還是因為，他們本來就會這樣，即使我們什麼都不做？
6. 因果方向模型
我有個朋友身高矮小，他常常後悔少年時代沒有打籃球而是一直踢足球，因為他認為打籃球能幫助人長 高。他的理由是，你看NBA的人都那麼高，還不是打 籃球打出來的？可是他錯瞭。NBA的人不是因為打籃球所以長那麼高，而是因為長得高，所以適合打籃球。
我們以為A導致瞭B 的發生，可事實上可能正好相反。我們常常犯因果倒置的錯誤，從而得出完全錯誤的結論，這就是為什麼因果方向模型如此重要。
此外，因果的方向不是固定的，是可能發生互換的。比如巴菲特早期選股憑的是眼光，他挑選可能會上漲的股票；而到瞭晚年，巴菲特選股可以靠影響力，他挑選股票的消息本身就會造成股票上漲，因為市場相信巴菲特的眼光。