分析性研究

今天继续教大家写留学论文，选择定性分析还是定量分析？1什么是定性分析？分析方向：---定义---得出的数据方向---如何采集---是否具有目的性---研究类型---主客观---数据类型2什么是定量分析？分析方向：---定义---得出的数据方向---如何采集---是否具有目的性---研究类型---主客观---数据类型3定性分析的3种方式定性分析的3种方式：---Focus Group---Depth Interview---Photo Enthnography4定量分析的3种方式定量分析的4种方式：---Telephone Surveys---Personal Interviews---Web Surveys---Hybrid Method

01元分析1.定义：1976年学者Glass所下定义：“元分析是以综合已有的发现为目的，对单个研究结果进行综合的统计学分析方法”。也称为“典型或定量元分析”。2.优点：与传统的文献综述相比，元分析能最大限度地减少各种偏向，确保结论的科学性、客观性和真实性。具体体现在：①元分析运用各种手段从一群独立研究中组织和提取信息，并对这些研究的结果做出总的估计，是一种定量方法；②它包含某一研究课题下所有可接受的文献，全面而客观，弥补了单一研究的不足；③元分析给出的通常是一般性的结论，是系统的和可重复的；④元分析方法能发现单一因果分析或关系分析研究所不能发现的潜在规律。3.缺点：①由于不同的研究所采用的研究方法和研究实验材料可能存在不一致，因此对其结果进行整合有可能是不适合的，即“apples- and-oranges problem”；②元分析中所引入的研究有可能是低质量的，那么其结果的可靠性就无法保证，即“garbage in-garbage out problem”；③具有统计学显著意义的研究结果较无显著性意义的结果或无效的结果被报告和发表的可能性更大，即发表偏见的问题；④在计算效果量的过程中，某些研究可能会存在着多个效果量，如果这些效果量来自同一个样本，那么对这些效果量的整合就会不适合。02操作步骤1.选题：选题与方法契合，突出研究价值2.文献搜索：全面客观，报告选择标准需要搜索的文献类型有两种，包括已发表的文献和未发表的文献。3.数据编录：内容详尽，避免主观因素的影响4.数据分析03经典案例论文基本信息题目：社交媒体自我呈现与主观幸福感关系的元分析作者：毛良斌来源：《现代传播》2020年【内容提要】采用元分析方法探讨社交媒体自我呈现与主观幸福感的关系。共有43篇实证研究纳入元分析，被试总人数为24386人。结果发现，社交媒体自我呈现确实能显著提高主观幸福感，效果量微弱;社交媒体自我呈现对主观幸福感的影响效应大小取决于自我呈现的方式;积极自我呈现和真实自我呈现均能显著提高主观幸福感，消极自我呈现则显著降低主观幸福感;社交媒体自我呈现强度显著提高主观幸福感，具体到主观幸福感各维度来看，自我呈现强度能显著提高积极情感，但不能显著提高生活满意感，也不能显著降低消极情感;主观幸福感测量工具和文化背景对社交媒体自我呈现与主观幸福感关系存在调节效应，但在被试类型上，则未发现调节效应。【关键词】社交媒体;自我呈现;主观幸福感;元分析;效果量【研究问题及研究假设】RQ1:社交媒体自我呈现能显著提升主观幸福感吗?RQ2:社交媒体自我呈现对主观幸福感的影响效果有多大?H1:被试类型不同，社交媒体自我呈现对主观幸福感影响效应存在显著差异。H2:主观幸福感测量工具不同，社交媒体自我呈现对主观幸福感影响效应存在显著差异。H3:文化环境不同，社交媒体自我呈现对主观幸福感影响效应存在显著差异。【研究设计】(一)文献检索和获取研究检索时间跨度为2000年1月至2020年3月。根据PRIMA STATEMENT提出的标准，研究文献查找和获取需经过四个步骤，即文献查找、文献筛选、资格审查和研究纳入。据此，研究获得符合元分析要求的文献43篇，其中英文31篇，中文12篇，独立样本量为24386人。(二)文献编码按照元分析编码方法，对43篇文献进行编码。样本特征编码包括作者、发表年份、研究设计类型、被试特征、独立样本量、测量工具、研究的文化背景；效果量编码主要围绕自变量与因变量相关的统计描述值，包括相关系数、回归系数、p值、t值、均值与标准差以及自变量和因变量测量的信度系数α值。研究先由论文作者对所有文献进行编码，再由一位传播学专业研究生进行再次编码，结果显示，所有项目两次编码结果的百分比一致性信度均在0．98以上。纳入元分析的43篇文献基本信息见表1。(三)统计分析使用ComprehensiveMeta－Analysis(CMA)软件进行数据处理和分析。选择r作为统一效果量，若提取到的效果量为其他统计值，则将其转化成r值再进入元分析。对t值、p值以及均值和标准差，直接使用CMA软件转化为r值。由于CMA没有直接针对回归系数β的转换，研究根据Peterson等人提供的简便公式r=β+0．05λ(β≥0，λ=1;β＜0，λ=0)，先将回归系数转换为相关系数，之后直接录入CMA进行分析。在分析前，研究者首先对每个从独立样本中提取出的相关系数做信度修正，以避免因量表信度缺陷而导致相关系数的衰减偏差，校正的公式为:，其中ESr代表初始效果量，EScr代表校正效果量，rxx和ryy分别代表自变量和因变量的测量信度系数。对于使用实验操控或者单个项目测量的情况，其测量信度系数用1代替。利用CMA软件对效果量进行处理和分析，分析过程中将每个EScr转换成对应的FisherZ值，再将FisherZ值的加权平均数转换为相关系数，得到总体效果量，并估计总体效果量的95%置信区间。责编：周梦琦

你是一个更有创造力或分析性的思想家吗？分析思想家特别擅长通过有条不紊地解决问题来解决明确的问题。富有创造力的思想家更有可能拥有一些洞察力或“aha时刻”，这些洞察力可以超越许多思维步骤来解决模糊或复杂的问题。德雷塞尔大学创造力研究实验室的一项新的脑部成像研究表明，创造性和分析性思考者的不同“认知风格”是由于他们的大脑活动的根本差异，即使人们没有解决问题也可以观察到。这些研究结果为开发基于神经科学的智力，教育和职业评估和咨询方法提供了新方向。该研究由博士后研究员Brian Erickson和实验室主任John Kounios博士领导，他是心理学教授，德雷塞尔大学艺术与科学学院应用认知和脑科学博士课程主任。每个参与者的脑电图（EEG），也称为“脑电波”，记录在七个星期的四个疗程中。记录了这些EEG，而42名参与者在“休息状态”放松，没有任务执行。在最后一次测试会议结束时，他们处理了一些谜题，他们不得不解读一系列字母来表达一个字。对于他们解决的每个字谜，他们报告了解决方案是在突然的“aha时刻”发生在他们身上，还是通过有条不紊地重新排列字母直到他们找到了这个词。字谜是一种可以通过洞察力或分析性地解决的问题，使其有助于评估一个人的认知风格。一个例子是像BELAT这样的字谜，它可以重新排列以形成单词TABLE。受试者可以通过重新排列字母进行分析，也可以在单词TABLE突然进入意识时一步完成。一些参与者 - “洞察力” - 从创意见解中获得了大部分解决方案。其他参与者 - “分析师” - 有条不紊地获得了大部分解决方案。所有参与者通过洞察力和分析解决了至少一些问题，因此没有参与者是纯粹的洞察力或分析师。这些标签只反映了以某种方式思考的倾向。然后，研究人员比较了几周前记录的Insightfuls和Analysts的静息状态脑电图。脑电图显示这两类思想家之间存在显着差异。此外，脑电图可以提前几周预测 - 哪些测试对象是Insightfuls，哪些是分析师。图片来源：德雷塞尔大学分析师显示他们的额叶活动水平较高。有远见的人在后脑区域表现出更多的活动，特别是颞叶和 。大量研究表明， 通过抑制和控制大脑的其他部分，在组织思想和行为方面发挥着关键作用。分析师的高额叶活动与他们解决字谜的方法有关。过去的研究还表明，当额叶活动减少时，例如受损或衰老，思维可能变得不那么集中和有组织。Insightfuls的额下额叶活动支持一种理论，即当精神焦点减少时，无意识形成的模式或想法会被视为“aha时刻”。其他发现包括Insightfuls左侧颞叶中更强的脑电图α波。大脑区域在其活动被抑制时会产生α波。左颞叶被认为通过处理彼此密切相关的想法（例如，“椅子”和“桌子”）来促进集中思考。有洞察力的左侧颞叶受到抑制，这表明它们倾向于依靠正确的颞叶专精来处理远距离相关的想法（例如，“数字”和“表格”，如数字表中所示）。整合远程相关想法的能力是创造性思维的标志。重要的是，在7周的测试期间，区分Insightfuls和Analysts的静息状态大脑活动模式是一致的，因此显示出这两类人之间的稳定差异。此外， 这些差异在anagram测试之前数周预测了参与者的认知风格。因此，洞察力和分析性的认知风格是 功能的基本特征的产物，即使一个人没有从事任务，也可以观察到这些特征。这些差异可能会从一分钟到另一分钟波动，但平均而言在较长时间内会持续存在。“这项研究为使用EEG录音来评估个人的职业咨询，教育测试和个人发展的认知风格奠定了基础，”Kounios说，他也是 合着者。这项题为“休息状态脑振荡预测特质样认知风格”的研究发表在2018年11月的“ 神经心理学”杂志上。#清风计划##健康真探社#

数据可视化工具包含许多非常先进的技术。这些技术方法可以通过使用图像，图形和计算机视觉来可视化数据。在进行数据分析时，有许多类型的数据，那么主要用什么类型的数据可视化工具进行数据分析？今天，DataFocus将为您提供详细的介绍。 市面上常用的数据分析工具可以简单的分为两大类。一个是探索性数据分析，另一个是定性数据分析。它们与其他同类产品不同，分析功能非常强大，交互方式也非常丰富，允许用户及时掌握信息，发现问题，找到答案并采取行动。 1.分析定性数据。数据可视化工具可以分析非数字数据或数据，例如照片，单词和观察。它也被称为定性研究，定性数据分析或定性研究数据分析。 如Tableau这类老牌的传统数据分析工具就有这这一类的鲜明特征。 2.分析探索性数据。这种方法由美国着名统计学家命名。它是对传统统计假设检验方法的有效补充。它是形成一个值得假设的测试。也是新一代可视化工具的一个主要特征。注重敏捷、探索和智能，比起工具，更像一个辅助的帮手，常常在可用性上做到极致，比如新一代的DataFocus数据分析工具。 近年来，数据可视化工具基本上基于视觉元素，例如图形，表格或地图。可以通过分析动态分析数据，例如钻孔，过滤，跳跃，链接和突出显示。它可以提供各种数据表示形式，以及各种图形渲染形式，还可以支持商业逻辑动态脚本引擎和丰富的人机交互等。可以说它是一个非常强大的工具，能够为公司的发展提供很多帮助。 除非注明，否则均为DataFocus企业大数据分析系统,让数据分析像搜索一样简单原创文章，转载必须以链接形式标明本文链接。

欢迎关注“雄安学术”，后台为大家准备了90余款分析绘图软件，15种语言包及其他素材。欢迎来寻宝喲~完全精准的数学模型，可以完美解决定量指标的运算，然而数学工具并非万能的，面对大量的无法定量化的指标（如TA爱你的程度），精准的数学模型和工具顿时无法施展拳脚。如何完成定性指标的定量化分析，成为软科学与硬科学（自然科学）之间的研究论题。层次分析法（AHP），一言蔽之就是通过构建一套多层次的评价指标体系，完成对定性指标的定量化分析。层次分析法（AnalyticHierarchy Process，AHP）由美国运筹学家、匹兹堡大学教授SattyT.L.于二十世纪70年代提出，是一种将与决策有关的元素分解成目标、准则、方案等层次，在此基础上进行定性和定量分析的决策方法。常被运用于多目标、多准则、多要素、多层次的非结构化的复杂决策问题，特别是战略决策问题，可以较好地解决多要素相互关联、相互制约的复杂系统的评价，具有十分广泛的实用性，是一种新型简洁化、实用化的研究方法。在实际工作中，层次分析法经常和德尔菲法、百分权重法结合，用于确定评价指标的权重。举个栗子：如TA爱你的程度，可以用联系你的频率、关心你的程度、为你付出时间、为你付出的购买力等因素。先对这几个指标进行权重赋值，随后结合你的TA这些指标相应的得分，进行权重*得分的乘积运算，并将所有要素进行加和，即可得到TA爱你的程度（指数，手动狗头·-·）1971年AHP首次应用于美国国防部研究“应急计划”，随后又开展了多项研究，奠定了AHP在定性研究领域的基础，1982年AHP在“中美能源、资源、环境”学术会议上被首次介绍到中国。喵博士结合相关研究现状，梳理了当前主要涉及领域应用如下：适宜性评价、环境保护措施评价、安全性评价、危化物危害性评价、城市应急灾害能力评价、空间格局安全性评价。同时，亦可用于指导消费者在生活领域决策提供一定指导，如购房影响因素评价、购车影响因素评价、专业选择与就业倾向评价等，均可以发挥其优秀的功效。如在居住区适宜性评价（如上图）时，根据既有研究成效，居住区园林景观适宜性评价可以划分为：绿化种植景观、道路景观、场所景观、硬质景观、水景景观和庇护性景观等六个一级指标（准则层），每个一级指标又可以细分为若干二级指标，以完成定性指标的定量化分析。基于层次分析法（AHP）先分解后综合的基本工作思路，先将要分析的要素进行层次化、步骤化，构建形成多层次分析评价模型，最终确定各层级指标的重要程度（权重），或优先次序。AHP把一个复杂的问题表示为一个有序的递阶层次结构，并通过主管判断和科学计算给出备选方案的优劣顺序（或权重）。简而言之，层次分析法人如其名，首先要构建合理的层次，其次要分析层次内部各因素的优劣。层次分析法的使用流程：1) 根据需求对目标层进行分解，如适宜性可以分解为6个一级指标；2) 建立层次结构图，及判断矩阵；3) 计算权重系数（主要基于德尔菲法，或曰专家打分，对各指标要素的权重进行赋值）；4) 进行一致性检验（在AHP软件中可自行设定），若一致性指标CR<0.1，则满足研究需要，进入下一环节。不满足时则需要对各指标权重重新赋值（重新进行第三步分析）；5) 层次总排序，选出最优方案。如在评价购房影响要素时，可以细分为房价要素、区位要素、户型要素、口碑要素等一级指标，并分别对各一级要素进行深度开发，构建相应的二级评价指标以完成对一级指标的评价。1）建立层次结构模型将决策的目标（城市空间格局安全）、考虑的决策准则因素（空间结构安全、空间要素安全、空间环境安全）和决策对象按它们之间的相互关系分为最高层、中间层和最低层，绘出层次结构图（如下图，强迫症的患者有意见，在“雄安学术”公号文末留言啊~，获取宝贝啊）。2）构造判断矩阵在确定各层次各因素之间的权重时，如果只是定性的结果，则常常不容易被别人接受，因而Saaty等人提出：一致矩阵法，即：不把所有因素放在一起比较，而是两两相互比较。对比时采用相对尺度，以尽可能减少性质不同因素相互比较的困难，以提高准确度。由专家对同一层次内N个指标的相对重要性（两两因素之间）进行打分。相对重要性的比例标度取1-9之间。同时，对各同级指标的重要性评价时，存在三种标度范畴（如下图），根据研究需要自行选择。构建判断矩阵A（正交矩阵），用aij表示第i个因素相对于第j个因素的比较结果：3) 计算权重将矩阵A的各行向量进行几何平均（方根法），然后进行归一化，即得到各评价指标权重和特征向量W：4) 一致性检验判断矩阵的一致性检验，所谓一致性是指判断思维的逻辑一致性。如当甲比丙是强烈重要，而乙比丙是稍微重要时，显然甲一定比乙重要。这就是判断思维的逻辑一致性，否则判断就会有矛盾。计算最大特征根λmax：计算一致性指标CI（Consistency Index）、随机一致性指标RI（Random Index）和一致性比例CR（Consistency Ratio）：一般情况下，当CR＜0.1时，即认为矩阵具有满意的一致性，否则需要对判断矩阵进行调整。5）层次排序层次排序，可分为层次单排序和层次总排序。所谓层次单排序是指，对于上一层某因素而言，本层次各因素的重要性的排序。层次总排序，确定某层所有因素对于总目标相对重要性的排序权值过程，称为层次总排序。这一过程是从最高层到最底层依次进行的。对于最高层而言，其层次单排序的结果也就是总排序的结果。1）构建评价结构一位顾客决定要买一套新住宅，经过初步调查研究确定了三套候选的房子A、B、C，问题是如何在这三套房子里选自一套较为满意的房子呢? 下面给出有关的数据和资料：将影响购买新房的因素归纳为4个标准：· 房子的地理位置及交通；· 房子的居住环境；· 房子结构、布局与设施；· 房子的每平方米建筑面积地单价（模型如下）。2）邀请专家（20-30名）打分对同一层次内4个指标的相对重要性（两两因素之间）进行打分。经过专家的打分，每个标准相对的权重，即标准的特征向量如下表。3）用规范列平均法求权重 第一步：先求出两两比较矩阵每一列的总和。 第二步：把两两比较矩阵的每一元素除以其相应列的总和，所得商所组成的新的矩阵称之为标准两两比较矩阵。 第三步：计算两两比较矩阵的每一行的平均值，这些平均值就是各方案在地理位置及交通方面的权重。我们称最后求得的行平均值为房子选择问题中地理位置及交通方面的特征向量。三个方案在其它三个方面的特征向量。每个标准相对的权重，即标准的特征向量。通过两两矩阵比较，可求得标准的特征向量如下：地理位置及交通：0.398居住环境：0.218结构布局设施：0.085每平米单价：0.2994）两两比较一致性检验两两比较矩阵的元素是通过两个因素比较得到的，而在很多这样的比较中，往往可能得到一些不一致性的结论。例如，当因素i、j、k的重要性很接近的时候，在两两比较时，可能得出i比j重要，j比k重要，而k又比i重要等矛盾的结论，这在因素的数目多的时候更容易发生。 第一步：由被检验的两两比较矩阵乘以其特征向量，所得的向量称之为赋权和向量。 第二步:每个赋权和向量的分量分别除以对应的特征向量的分量。1.803 / 0.593 =3.0401.034 / 0.341 =3.0320.197 / 0.066 =2.985 第三步：计算出第二步结果中的平均值，记为λmax。λmax = (3.040+3.032+2.985)/ 3 = 3.019 第四步：计算一致性指标CI。CI = (λmax– n ) / (n - 1)CI = (3.019 – 3 ) / (3 – 1 ) = 0.010 第五步：计算一致性率CRCR = CI / RI，在这里，RI是自由度指标（修正值）。本例中可计算得CR = 0.01 / 0.58 = 0.017 < 0.1我们已经求出了四个标准的特征向量，以及四个在单一标准下的三个购房方案的特征向量，如表：5）最优方案求解方案 A：0.398*0.593+0.218*0.123+0.085*0.087+0.299*0.265=0.349方案 B（最优）0.398*0.341+0.218*0.320+0.085*0.274+0.299*0.655=0.425方案 C：0.398*0.066+0.218*0.557+0.085*0.639+0.299*0.080=0.226层次分析法优点：· 系统性的分析方法层次分析法把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策，成为继机理分析、统计分析之后发展起来的系统分析的重要工具。系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰明确。这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。· 简洁实用的决策方法这种方法既不单纯追求高深数学，又不片面地注重行为、逻辑、推理，而是把定性方法与定量方法有机地结合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，便于人们接受，且能把多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关系后，最后进行简单的数学运算。计算简便，并且所得结果简单明确，容易为决策者了解和掌握。· 所需定量数据信息较少层次分析法主要是从评价者对评价问题的本质、要素的理解出发，比一般的定量方法更讲求定性的分析和判断。由于层次分析法是一种模拟人们决策过程的思维方式的一种方法，层次分析法把判断各要素的相对重要性的步骤留给了大脑，只保留人脑对要素的印象，化为简单的权重进行计算。这种思想能处理许多用传统的最优化技术无法着手的实际问题。层次分析法缺点：· 不能为决策提供新方层次分析法的作用是从备选方案中选择较优者。在应用层次分析法的时候，可能就会有这样一个情况，就是我们自身的创造能力不够，造成了我们尽管在我们想出来的众多方案里选了一个最好的出来，但其效果仍然不够企业所做出来的效果好。而对于大部分决策者来说，如果一种分析工具能替我分析出在我已知的方案里的最优者，然后指出已知方案的不足，又或者甚至再提出改进方案的话，这种分析工具才是比较完美的。但显然，层次分析法还没能做到这点。· 定量数据较少，定性成分多，不易令人信服在如今对科学的方法的评价中，一般都认为一门科学需要比较严格的数学论证和完善的定量方法。但现实世界的问题和人脑考虑问题的过程很多时候并不是能简单地用数字来说明一切的。层次分析法是一种带有模拟人脑的决策方式的方法，因此必然带有较多的定性色彩。· 指标过多时，数据统计量大，且权重难以确定当我们希望能解决较普遍的问题时，指标的选取数量很可能也就随之增加。指标的增加就意味着我们要构造层次更深、数量更多、规模更庞大的判断矩阵。那么我们就需要对许多的指标进行两两比较的工作。由于一般情况下我们对层次分析法的两两比较是用1至9来说明其相对重要性，如果有越来越多的指标，我们对每两个指标之间的重要程度的判断可能就出现困难了，甚至会对层次单排序和总排序的一致性产生影响，使一致性检验不能通过。不能通过，就需要调整，在指标数量多的时候比较难调整过来。· 特征值和特征向量的精确求法比较复杂在求判断矩阵的特征值和特征向量时，所用的方法和我们多元统计所用的方法是一样的。在二阶、三阶的时候，我们还比较容易处理，但随着指标的增加，阶数也随之增加，在计算上也变得越来越困难。不过幸运的是这个缺点比较好解决，我们有三种比较常用的近似计算方法。第一种就是和法，第二种是幂法，还有一种常用方法是根法（来自百度百科）。

项目可行性研究报告是项目建议书被批准后，为了验证项目可行性而做的进一步研究，是从技术、财务、组织、经济、社会等方面进行的深入综合的研究。1、技术可行性研究研究在当前市场的技术、产品条件限制下，能否利用现在拥有的以及可能拥有的能力和资源完成项目。当然也要考虑时间的可行性。2、经济可行性研究要分析支出和收益、分析收益投资比，还要进行敏感性分析，当项目实现的条件发生变化时可能对支出收益的影响。3、运行环境可行性分析需要分析信息系统使用单位的环境，软硬件需求等。可行性研究就是要考虑到项目涉及的方方面面，确保项目是值得开发，可以开发，成果可以使用，且能带来效益。可行性

（一）分析单位，指研究者所要调查和描述的对象（对谁进行观察研究）。有五种形式：个体、群体、组织、社区、社会产品、社会事件。1、个体：最常见分析单位2、群体：以一定方式联系在一起的一群人（家庭社团等）题目：家庭结构的变迁对养老方式的影响，分析单位是家庭群体。3、组织：具有明确目标和正式分工按照一定规则建立起来的（如公司、学校等 ）题目：211高校科研管理现状，分析单位是211高校组织4、社区：在一定地域中的人们所形成的生活共同体。（如村庄、社区）5、社会产品和社会事件：社会产品包括书籍、报刊、图片、照片、公告等；社会事件包括上访等。（二）研究内容研究内容是分析单位的属性和特征，主要是研究什么。分类客观资料：1、社会特征（社会背景）是对分析单位基本状况的描述。（如家庭规模等产品类型，收入状况、婚姻状况）2、社会行动指发生两个或两个以上人之间的具有明确指向性的活动。3、意向性是主观资料 包括态度个性信仰等不仅是个人层面，群体组织都有意向性

加利福尼亚州的斯坦福大学研究性别与科学的Londa Schiebinger做了这样一个报告，呼吁各个科学领域的研究都要纳入性别因素作为研究分析因素之一。她表示药物召回，产品存在安全隐患等一系列问题，都是由于研究时未考虑性别的后果。2020年11月25日，欧盟委员会表示，自2021年起，欧盟的“地平线欧洲”计划，会强制要求其投资的科研项目纳入性别分析，纯数学等与此类分析无关的主题除外。由此可见，性别分析在科学研究中的作用越来越显著了。为此，Nature与Londa Schiebinger就性别分析纳入研究进行对话：1.如何说服大家将性别分析纳入研究？Londa Schiebinger表示从1997年至2001年，未强调过研究需要进行性别分析，短短五年的时间，就有多达10种处方药撤出美国市场，而其中对女性有害的药物就有8种。性别分析列入研究，不仅对女性有利，对男性也有益处。比如，患骨质疏松症。虽然男性也会患骨质疏松症，但是因为其患者常为女性，所以男性研究直接被忽略了。由此可知，性别分析纳入研究的重要性。2.为什么性格分析在研究人员中推进进程缓慢Londa Schiebinger表示，虽然研究人员对研究中进行性别分析意识不断提高，但是，他们对于如何将此分析做好还不是很通透。3.研究新型冠状病毒时，分析生物性别和社会性别的意义分析生物性别，对研究新型冠状病毒有重要意义，我们的报告中，一项关于COVID-19大流行的案例研究发现，人们对病毒的反应存在生物性别差异。分析社会性别也很重要，通过报告，我们可以看到越来越多的男性死亡，这与社会性别行为规范有密切联系—比如，很多吸烟男性很少洗手。4.性别分析对于哪些领域研究非常重要性别分析对一些海洋生物研究很重要，因为有些生物是由温度来决定性别的。如果此类生物雌、雄或雌雄同体比例失调，可能会导致物种灭绝。澳大利亚一项有趣的研究，他们发现大堡礁温暖的北部海龟99%是雌性，而寒冷的南部，雌性海龟却只有67%。由此可见，了解全球变暖是如何导致性别比例失调的缘由极其重要，只有了解清楚缘由，我们才能有效地管理生态系统。文章来源：The researcher fighting to embed analysis of sex and gender into science.Doi :https://doi.org/10.1038/d41586-020-03336-8文章来源：每日生物评论欢迎关注微信公众号：每日生物评论，或Bio-review用最专业的精神，开放性的思维，与你一起探索行业走向，快速了解这个领域！

投资是一件非常有挑战性的工作，涉及方方面面，而且都在持续剧烈的变动中，我们要做的是研究那些不变的东西。建立一个分析框架，是投资中最重要的事情。偷师这个世界上产生的每一样新的知识和理论都有前人的影子。要想有所突破，仅仅在想突破的那个点发力是远远不够的，我们得先偷师前人，构建一棵完整的知识树。这里的偷师，不仅仅是学习，还包括复制，或者说刻意模仿，非常非常刻意的模仿。人类（或者说所有生物）非常不善于模仿，花再多的功夫，也仅仅是无限接近原作 —— 比如你无法复刻我的笔迹，甚至我自己，抄十遍咏鹅，三十只鹅，每只都形态各异，总能发现些许的差别。然而，我们要感谢造物主为我们提供的这种 incapable / imperfect，他让我们能够活成我们自己。如果从一个作者身上拷贝，那是剽窃；但从很多人那里拷贝，那是创新。当然，拷贝并非复制粘贴那么简单，就像科比，迎着凌晨四点钟的太阳，一遍又一遍苦练，并且不断思索：为什么这个动作要如此展开？姿势要如此角度？如何让这个动作更加适合我？于是他拷贝的不仅仅是 style，还是背后的思考过程 —— 这是内化（internalize）的一部分。模仿，拷贝，思考（问问题），内化，博观约取，厚积薄发。之后你就拥有了你的 branch：俗语讲，一口吃不了一个大胖子。偷师的过程，不妨把它拆成一个个小的学习过程。在研究自己的‘预测’前，先得理清市场现状，比如说：主要玩家的观点、方法、动机、能量。是不是有点没意思？但在象牙塔里，不管你是诺奖教授还是大四应届生，写论文的首要环节就是文献综述。在搞原创研究之前，至少得先理解同行：主流观点有哪些？接受度与影响力如何？今后的演进空间？……看似简单的文献综述做不好，'高大上'研究的意义也凸显不了。但就是这么一件无比重要但又看似不费工夫的事，我们在投资实践中却常常糊弄。刚入行时是因为方法问题，不知如何开始、或者是对自己到底在做什么而感到迷茫，但更多时候是因为：不予重视，于是懒得做。“善骑者坠于马、善水者溺于水、善饮者醉于酒，善战者殁于杀”——《庄子 人间世》1投资人的护城河价值挖掘，确切的说是挖掘市场主流尚未意识到的价值，是投资人的能力护城河。投资要建立在对某些类型的公司价值（程度）和市场节奏（时间）的认知要强于大市并专注于此的基础上。这其中所需的功夫，远超外行想象。中国市场中依然不乏有系统性优势的顶尖投资者。这两年曾与人有多次深入交流，常感慨他们对细节挖掘的执念和见微知着的能力，其细节暗藏产业密码，研究发现价值内核的高壁垒让外人很难模仿。2超额收益价格，源于市场参与者的共同博弈。一个投资人若想长期获得高于同行的收益，其关键在于价值挖掘，即发现他人未能看到的价值。|市场的最终结果 - 主流的先前预期| ≈ 预期差而投资人与主流观点的预期差则决定了其超额收益。预期差 ≈ 超额收益如果你的观点足够准确，即：你的预期 ≈ 最终结果，此时：你的预期 - 主流预期 ≈ 超额收益在此情况下，如果你的观点与主流观点有足够大程度的背离，那么恭喜，他人避之不及的黑天鹅风险是你的朋友。3认知偏差超额收益的本质其实是你与大众的认知偏差：|你的观点 - 主流观点| = 认知偏差 -> 超额收益如果你能持续的在合适的时间点、不被市场噪音所动摇、做出大概率正确的、高程度价差判断。那么恭喜，股神这个名号你当之无愧。4术业有专攻不过，除了上帝以外，没人能洞察一切。于是，专业投资人常有自己的‘一亩三分地’，专注于所擅长的细分领域。上图来自HBO着名纪录片《成为巴菲特》，巴菲特在纪录片中提到了一本对他很有启发的书《击球的科学》，用击球策略为例子来展示他专注的投资方式。在领域中，可根据细分行业、资产类别、风格主题等进行划分。而认知风格又可拆分为：程度认知、时间认知程度认知：如腾讯战投这类侧重程度偏差的投资人，押注有长期想象空间的未来明星。只要标的牛X，并不苛求当前买入的时间点是否看起来买贵了，或是投资期间出现的较大波动，成长性才是硬道理；时间认知：一些深挖产业的股票基金利用自身对产业链传导或市场逻辑的时间差判断优势，系统性地挖掘可重复的中期交易机会。追求高频率的高胜率，赚钱不嫌少，买得划算才是硬道理。5守正出奇再摆一个公式：P << V <<VfP: 股票今天的价格V: 公司现在的价值Vf: 公司未来的价值圈内常说‘守正出奇’，即在P端坚持价值投资的理念，同时在Vf端对主流观点保持质疑和求证的精神。重视时机抉择的价值投资和重视增长程度的成长投资本质上殊途同归，都希望以五毛的价格买到未来价值一元的企业，两者的区别无非是企业的价值支撑来源不同。前者的价值支撑主要来自企业现有资产、利润和现金流，更注重公司现有的价格P是否远小于公司现在的价值V，强调对价值理解的基本功。后者的价值支撑主要来自企业未来市场空间的高增长，强调公司的未来价值Vf是否能远大于公司现在的价值V，需有能洞悉未来的大局观。诚然，对于一个真正专业的投资者，成长性和价值性是不可割裂的。但宗旨不同的基金人，其比较优势和投资偏好也大不同。#虽然基金的成立都是为了盈利，但资金背景、客户偏好、专业领域、发展规划等因素对其投资风格影响非常大#通过聚焦于某一领域、某一理念，投资人能够更快的进入成长快车道。先通过主流观点学习，再通过逆向思考盈利。6人挤人的地方不去人弃我取，逆向投资。无论是巴菲特还是索罗斯，投资领域的集大成者都具有超强的逆向思维能力。如前文所说，超额收益是相对的，来自于市场主流的‘错误’认知，即偏见：超额收益 <- 认知偏差 = |你的观点 - 主流观点|在做预测之前，得先了解市场主流观点，以及这些观点已在多大程度上反应到了价格中。跟随市场主流观点虽然不能让你获得超额利润，但若不了解市场主流观点的合理性与不合理之处，你的预期就没有可比较的锚定物。如果不了解市场主流观点与你的认知偏差有多大，你所追求的超额利润也就无法被衡量。在‘出奇’地预测市场前，得先练好‘守正’的基本功：即能在市场混沌中迅速理清现状（包括：主要玩家的观点、方法、动机、能量）。7大佬的玩法那么，该如何摸清市场的主流观点，以及它们对价格的影响呢？以股市为例 #一级市场本质上也是一样，只是参与人扮演的角色不同#很多买方大佬可单约券商投行的首席分析师，听取大卖方的市场意见。这类私下会谈并非是为了寻求投资建议，更不是为了一起品茶^_^|||那还为了什么呢？在行业体制的塑造下，卖方首席本身就在一定程度上代表了市场的主流观点。即使他们个人的观点很主流，也会对主流观点非常熟悉。通过他们可了解当前市场由哪条逻辑线所支撑 或是 在玩什么‘情感’博弈？在了解市场当前定价逻辑之后，可评估自己深度调研的结论是否还有超额收益的空间？或者投机性一点，今后自己应如何造势，才能更好的迎合当前市场的热捧或偏见？卖方首席作为市场的意见领袖，主导着市场上的主流声音，是市场的造势者。买方除了摸底卖方分析师的想法，还能向卖方反向输入观点，由其代为在市场发声 #应酬，是卖方工作的重要环节# 分析师通过在卖方同行与买方客户之间游走，不断接受及扩散新观点。嘴面上虽说要平等对待客户，但每个卖方分析师总有那么几个自己内心里更为尊敬的买方客户。那普通人有什么办法呢？与外界互动。先输入，后输出。8先输入当然是先利用好身边的现成资源，踏踏实实输入基本知识啦。一、阅读大量的阅读是必须的，不然就是把马云和刘强东请到你面前，你还要傻傻的问C2C和B2C的定义是什么；研究白酒产业的时候还要问酱香型和浓香型的区别是什么，那还了得。必须先通过阅读公开资料，把基础打牢。那阅读的东西有哪些呢？[ a. 公开报告 ]卖方分析师写的行业报告一般都中规中矩，平铺直叙。在绩效考核的压力下，许多报告还是由实习生代笔，顶多交给挂名分析师改一改。看卖方报告的好处是可以打基础，对行业有一些宏观的认识。但缺点在于，对细节依然很模糊，实操性也差。毕竟，卖方只需要看多，而买方必须得做对。由于买方最终是买这个公司，就需要对这个公司的方方面面很了解。从商业模式，竞争力，产品，管理层，甚至要把财务模型都做的很详细。因为如果只是对一个公司某些点了解，在股价波动时是不足以坚定持有的。顶尖买方的内部报告固然是极好，但一般人拿不到。当然，不是说券商投行水平低，实际上很多卖方分析师都非常值得尊敬。只是卖方报告要着眼宏观，自然会损失细节，这也是没办法的事。[ b. 行业媒体 ]在一切行业都将进化为咨询业的大趋势下，市面上出现了越来越多的行业智库、专业咨询公司。在当今的自媒体潮流下，也有非常多专业的独立评论人。他们对于基本面的了解不一定扎实，但经常能发现一些有意思的点，这就是非常大的价值。一个公司往往有很多点，而投资中最害怕的是盲点。内容的视野足够广，能给投资人带来启发。这些内容会涉及研报里看不到的东西，比如行业的底层生态、行业的潜规则等等。通常而言，对于2B媒体上的文章，负面内容的学习价值远大于正面报道。[ c. 财务数据 ]上市公司的财务报告，里面会披露很多数据，由于经过审计，往往是最真实的数据。仔细发掘的话，会发现很多有意思的地方。对财务报告、公开报告来说，一个合格的分析师必须要做的一个苦活就是‘背数据’‘找关系’，行业历年的规模和增速，几个大公司历年的收入/利润，几个代表性产品的运营情况，要倒背如流，直至成为潜意识。为啥要背？因为这是数据敏感性的要求，当看到一个新的数据的时候，如果能反映过来和记忆中的数据的联系，可能就能发掘出某些事情的真相。华创证券TMT首席分析师谢晨回忆道：“在2014年，有一天我在公司楼梯口看到《刀塔传奇》的电梯广告，然后脑中闪回了腾讯14年Q2表现极为一般的手游增速，再加上360手游报告中的搜索占比数据，忽然就意识到一个问题‘端游公司要崛起了……’”以上的推理过程，懂的人自然懂，不能迅速反应过来的人可能就与此交易机会绝缘。再以茅台为例，尽职的分析师可以用’笨’办法跟踪到茅台最新的经销商数据，短期产品到底卖得如何，有什么新的变化。在掌握实时更新的产业细节数据的同时，而你又对茅台自身的价值以及整个产业链关系了如指掌，那么，对于这个公司未来方向在哪里，你的预测将更有前瞻性：你的预期 - 主流预期 ≈ 超额收益总之一句话，背数据、背行业关系，并且常常进行联系。[ d. 专业书籍 ]大块头的书，有好处也有不好处。好处是成体系。缺点在于有些过时。个人偏好的是巨头的成长史以及非金融行业的教科书，比如策划、运营。随着付费内容的崛起，网上有出现了许多大牛开办的音频&视频课程，但由于许多老师不善表达或者是准备工作没做足，口水话太多，一小时的视频内容可能就相当于10分钟的文字。这些音视课程对我的作用目前主要是安眠。说句题外话，这其实也反映了内容行业的大趋势：信息密度大的内容战胜信息密度低的内容。二、调研[ a.体验 ]要了解一个行业、一个公司，对产品的亲自体验也非常重要。[ b. 调研 ]对于初入职场的投资人，尽量争多取实地调研机会，主要是和公司的董秘或者其他高管对接（国内流行的城投债也是同理，只是对接角色变了而已）。公司董秘通常都对公司、对行业有非常好的理解，是非常好的学习机会。除了实地调研，投资路演也应多去，这部分我放在后面几段讲。[ c. 圈子 ]向业内大神学习，混圈子也有必要。但是，需要有广泛的阅读和产品基础，和业内大神聊天，才能有对话的基础。光是厚着脸皮加上个微信，但却不知道能说什么，还不如等有一定业务基础后再去拜访，留个深刻的第一印象。更重要的事，在深入学习一个行业时，一定会遇到很多不解的困惑，带着这些经过思考后的具体问题再去与业内大神交流后，常常会有茅塞顿开的感觉。资深大牛能够把’行业到底竞争的是什么’用几句话点到位，把这个行业’得什么东西得天下’弄得很明白。比如说：高端酒是品牌，中低端是渠道。基金是人才，无差异是成本，制造业是规模。这类高度浓缩的观点，对于小白来说其实没什么用，但如果你对一个行业已经有了几百小时的深入思考和观察，业内大牛的一席话或能让正努力突破天花板的中阶从业者豁然开朗。9再输出大佬可以拉首席们出来单练，从而强者更强。而刚入行的新人在努力学习之余又该如何更进一步呢？输出。a. 在交互中进化交互是进化的法宝。投资研究应是一个认知交互的过程。既然是交互，那么不仅得接收知识，还得学会输出观点。观点输出能力是知识接收能力的成果检验。否则，即使是看了那么多书，见了那么多人和事，那也只能叫做知识体验，而非知识积累。b. 知识复利一次似懂非懂的知识体验也许会让你在单笔投资中盈利丰厚，但只有那些通过深挖know-how而沉淀下来的认知能力才能让你在长期的知识复利赛跑中滚出一颗大雪球。知识点只是槽点，真知才是力量。如说，近两年遇到了几个事后看来非常有预见性的投资报告或主题演讲，主笔的分析师私下透露他们只花了不到一小时就理出了草稿，甚至写的时候连细节数据都没有去查，全靠记忆，一气呵成。这背后的功夫，常常是过去数千小时的积累。输出观点绝对不是苦差事，而是一个把自己的思维系统化的过程，痛并快乐着，见证着自己的成长。c. 内部规律：护城河我们投资的公司一定要有强大的竞争力，如何评估呢？我认为标准只有一个，就是是否拥有很宽的护城河。巴菲特说：“我们根据‘护城河’加宽的能力以及不可攻击性作为判断一家伟大企业的主要标准。而且我们告诉企业的管理层，我们希望企业的护城河每年都能不断加宽。”我们如何研究呢？只有那些护城河很深的公司，才能持续在没完没了的激烈的竞争中取胜，最终成为市值很大的公司，因此，我们先找出市值最大的公司，并从中思考这些公司的护城河为什么会这么深。能成为巨头的，一定是有强大护城河的，我对其中的一些品类谈谈我的看法。（1）护城河的深度最强的是垄断，几乎都是互联网公司，两个原因，1）转移成本非常高，微信和Facebook,朋友们都在那里，一个人转移没用；2）强大网络效应，例如阿里巴巴和亚马逊，买家卖家都已大量存在于这个市场里，强者恒强，相同策略的后来竞争对手基本就丧失了逆袭的机会。线下的公司要做到垄断非常困难。（2）金融公司有强大的护城河，一方面经营业务需要政府的牌照，另外，Master和Visa两大支付公司联手垄断信用卡市场，增长非常好，由此想到国内的支付宝和微信也前途无量。（3）与吃有关的公司，茅台、五粮液、可口可乐、百事可乐、麦当劳、百威啤酒、星巴克，亨氏卡夫，还有烟草和售卖食品的连锁企业等，都能成为市值非常大的公司，这个行业其实进入门槛是很低的，竞争很激烈，但是，最顶尖的企业品牌一旦树立，会形成强大的护城河，原因是大家都很关心自己和家人的健康，对食品品牌的信誉有很高的要求，认同一分钱一分货的道理，另外，一些传统的食品企业如酱油、白酒类企业，它们的产品口味大家从小就已经习惯了，要改变很难，这也是一种很强的护城河。食品行业不需要太多的创新，只要持续维护自己良好的声誉，就可以财源滚滚，其中啤酒、烈性酒喝了会上瘾，这真的太好了，茅台市值一万亿是有道理的。其实说到上瘾，腾讯的微信和游戏又何曾不是令人上瘾、欲罢不能的东西？（4）制药公司出了很多巨头，原因也是大家如果生了病，都愿意用最好的药，对药价不敏感，另一方面，新药的研发费用越来越高，成功机率却很低，风险巨大，而且一旦研发成功后有专利保护，这些都构成了强大的护城河。国外的医药连锁也能成为超级巨头，但国内还没出现，可能和国内开设药店的进入门槛过低，专业性要求不高有关。中国研发新药特别好的公司很少，但是中国有传统中药，而且大家都特别相信，同仁堂、东阿阿胶、片仔癀等老字号价值非凡。（5）制造业公司里，美的格力的产品是白电，技术升级是比较慢的，这对公司是巨大的好事，它们几家基本已形成了垄断，顺应消费升级，未来前景仍然不错，但是做黑电的家电公司，由于技术升级太快，经营普遍不好。汽车方面，国外的丰田、奥迪、奔驰一直很强，但国内的吉利、上汽、广汽近两年发展得很好，在新技术的应用和本土化方面，优势巨大，而且电动车研究也走在国际前列，我感觉是有机会变道超车的。只是汽车产业对新技术、新车型依赖太深，而这种东西变化很快，说到护城河，仍然不算太强，至少不是我最喜欢的行业。（6）有深厚护城河的公司还有很多，如何发现呢？最好的一个测试办法是，如果产品提价了，顾客是否还会购买，不管情愿还是不情愿。这个办法简单粗暴，但非常有效。茅台提价大家仍然抢购就是很好的案例，高端护肤品涨点价，女士们还是要买，因为要美丽，高端奢侈品涨点价，女士们还是要买，因为要面子，孩子在学而思学奥数，一位难求，再涨妈妈们也趋之若鹜，这样的公司护城河就很深。有两种对护城河的误解，第一，优秀的品牌，或者良好的无形资产就是护城河，其实这要因品类而异，例如给小孩子吃的高端奶粉，大家只愿意选择非常优秀的品牌，对不熟悉的品牌不太愿意尝试，因此这些高端奶粉的品牌就成了它们的强大的护城河，而有些品类，大家就没那么强的品牌忠诚度，哪个功能强大、哪个好用就用谁，例如电脑电视，当年品牌非常强大的方正、长城、长虹、康佳等已经一塌糊涂。当然无论哪个行业，优秀的品牌或者好的无形资产一定会加深企业的护城河，但是，很浅的护城河即使加深了，还是很浅。第二，优秀的管理层是护城河，其实优秀都是事后证明的，成王败寇，在一个护城河很深的企业里，平庸的管理层也能做得不错，而在护城河很浅的企业里，再优秀的管理层也无能为力。有些分析师见了公司管理层，觉得特别好，就要写推荐报告，其实先研究这家公司的护城河有多深，再写不迟。护城河与商业模式是什么关系？好的商业模式，我理解就是“长的坡，厚的雪”。一个公司不可能每个决策都正确，或者每个决策都是最领先的，一旦出现失误，或者竞争对手有创新推出，护城河深的公司有时间改正这个错误，或且通过向竞争对手学习而后发制人，这非常重要的，公司反脆弱的能力就会很强，这样它才能走得远，也就是它的坡比较长。而且护城河深，意味着它有提价的能力，盈利能力就会不错，也就是雪比较厚。可见长的坡和厚的雪，都和护城河有直接的关系。因此我认为理解商业模式，护城河是最重要的一个维度。护城河的宽度要经常检讨，无论看起来是何等坚不可摧，柯达被数码技术彻底打跨，IBM几十年在一些对可靠性要求极高的行业如金融业有如同上帝一般的地位，但最近十年在廉价云计算的冲击下狼狈不堪，如果腾讯2011年没有推出微信，它用qq筑成的护城河可能早已百孔千疮。如果护城河宽度变窄了，要引起我们的高度警惕。d. 主动求拍砖另外，作为卖方分析师往往要写的非常完备，不仅形式很重要，还有很高的频率要求。虽然有点像应试教育的天天交作业，任务机械又繁重，但在刚起步时的确有效，有许多专业‘老师’为你‘批改作业’，找出不足。#虽然市场结果是检验‘能力’的唯一标准，但有些错误非常明显，同行前辈能很快找出问题所在，能避免后生走无意义的弯路。而且，一个真正的投资观点，跨期通常较长，纯粹通过市场的价格反馈来培育新人也许机会成本太大#如果是在买方，很多时候只要求把自己的思考要点记录下即可。但这也带来了问题，由于缺乏严谨的输出规范性要求和数量要求（熟能生巧），买方新人经常有尚未打好基本功，就养成了自己老板的‘随性’习惯。自己心中有了一套想法，与把这些想法清晰有力地表达出来，是非常不同的。后者对思维框架的要求非常高，而且会在输出的过程中意识到许多至关重要但又容易忽视的细节。接受‘拍砖’最成功的的例子莫过于全球赚钱最多的对冲基金-桥水基金创始人雷·达里奥。“我寻找最聪明的人来质疑我的观点。当我完全搞懂他们的思路后，我再选择拒绝还是接受他们的意见。年复一年的如此重复，不仅增加了我正确的几率，也让我学到了许多真谛。”——雷·达里奥10小结研究，虽然做好了能让人成就满满，但它是门需长年积累的‘苦’差事。在'出奇'之前，先学好'守正'。能在市场混沌中迅速理清现状（包括：主要玩家的观点、方法、动机、能量），是投资中最简单但又显得有些无聊的基本功。急功近利的笃定自己是巴菲特二代的股民有不少，在打好基础之前就开始随性预测股市，坚信自己闭门造车出了绝世秘籍。他们把储蓄与精力投入到市场中，常常是在浑浑噩噩的大起大落中成为’有过体验但没有积累’、’想宰割别人，但却被人宰割’的巴韭特。进化力进化力是指企业的进化能力，这在《失控与投资》里提出来的，这个研究越想越重要，原因是出现了一批大型公司，特别大的如谷歌、亚马逊、腾讯、Facebook、阿里，小一点的如美团、小米、平安等，它们一直处于高速进化之中，不断衍生出新的商业模式，不断拓展它的边界，而且虽然体量很大了，但是增长速度仍然很快，这是人类商业史上前所未有的，传统的商业理论已经无法解释这种现象了。这些的公司都有什么共同的特点？它们的管理有什么特点？如果我们研究清楚了，会对我们理解这些公司的基本面有重大帮助，当然也对我们的投资意义非凡，不要被市值一万亿美元限制了我们的想象力。这个世界其本质就是各种连接，每一个节点的属性，都可以用连接来描述，离开连接，属性也就无从谈起。关于用连接如何来描述各种属性，举几个例子。比如说我们谈论某个人，我们会说他是哪的人，哪个大学读书，在哪工作，和谁共事，其实都是在谈论他和这个世界的连接。马克思说过：“人的本质不是单个人所固有的抽象物，在其现实性上，它是一切社会关系的总和”，这个论述太精辟了。投资研究一家公司，其本质也是考察这家公司和它的员工，它的上下游供应商，它的客户的关系如何，公司的本质也是社会关系的总和。巴菲特说要投资护城河很深的公司，实质上也是指那些公司的产品和客户的关系非常牢固。护城河本质就是连接的强度。一个企业失控性成长不是一件简单的事情，它需要具备的最重要的条件是：有一项主营业务在竞争中取得明显优势的地位，并源源不断地产生强大的现金流，这样才能支持它不断开拓新的领域，而且新的领域要与原来的业务能够产生良好的协同效应，这样成功的机率才会大。乐视是个非常失败的例子，它的主业是视频，面临腾讯视频、爱奇艺、优酷视频等的激烈竞争，完全处于弱势，每年亏损巨大，这种情况下，盲目搞各种所谓“生态”建设，进入电视、手机、租车、电动车等多个行业，这些行业普遍高度竞争而且非常消耗现金流，而且除了电视外，大部分与原先主业的协同效果并不太好，结果就是把自己搞垮了，这是一个惨痛的教训。一个公司连接强度越强，数量越庞大，就越能涌现出新的商业模式从而高速进化，这些公司是最有投资价值的公司。这些具有强大连接能力而且连接数量巨大的公司，我起了一个名字叫做“连接器”。一个公司非常强大而且数量巨大的连接，是不是就一定能够进化为超级大公司呢？不一定，谷歌和百度都是做搜索起家，但是谷歌发展得非常好，而百度不说也罢。为什么会有这种差异，我觉得主要在于管理，这么复杂的业务架构，对管理理念和能力是巨大的挑战。腾讯马化腾对此很有感悟，他写道：“在传统机械型组织里，一个“异端”的创新，很难获得足够的资源和支持，甚至会因为与组织过去的战略、优势相冲突而被排斥”、“要想改变它，唯有构建一个新的组织型态，所以我倾向于生物型组织。那些真正有活力的生态系统，外界看起来似乎是混乱和失控，其实是组织在自然生长进化，在寻找创新。那些所谓的失败和浪费，也是复杂系统进化过程中必须的生物多样性。”“如果一个企业已经成为生态型企业，开放协作度、进化度、冗余度、速度、需求度都比较高，创新就会从灰度空间源源不断涌出。从这个意义上讲，创新不是原因，而是结果；创新不是源头，而是产物。企业要做的，是创造生物型组织，拓展自己的灰度空间，让现实和未来的土壤、生态充满可能性、多样性。这就是灰度的生存空间。”不仅互联网企业可以通过广泛连接实现进化，传统企业也可以学习，我觉得国内的平安集团锐意进取就令人印象深刻。人一到群体中，智商就严重降低，为了获得认同，个体愿意抛弃是非，用智商去换取那份让人备感安全的归属感。格雷厄姆所说过一句话：市场短期是投票机，长期是称重机，意思是说长期看好公司随着业绩的成长，股价自然就会上涨，听起来似乎关心公司基面就可以了，这句话非常有道理，但是却有一个预设的前提，就是公司的估值要保持稳定，至少不要大跌，否则，可能即使业绩持续上涨了，股价也未必能上涨。其实，无论是短期还是长期，本质而言，一个公司的股价都是市场投票决定的，市场短期是投票机，长期也是投票机，只有符合一定的条件，我们才能说它也是称重机，深刻理解这一点，我觉得会让我们少走一些弯路。