模型 | 說明 | 適用場景範例 |
---|---|---|
<1> 人群行為模型 - 理性決策模型 | 用來預測人會進行什麼行動、怎麼做事情、分配預算 ...etc,並假設人會依據「取得最佳化」的結果來做行動 | 預測人群 “把多少比例的花費放在住房上”,會使整體花費能產生 “最大的效用” |
<2> 人群行為模型 - 行為規則為本模型 | 假設人們有特定的行為,以行為做為基礎。人不一定會將 “最大化報酬/效用” 作為行為依據。
行為規則可來自:固定規則 or 適應規則 | to be updated |
<3> 人群行為模型 - 心理偏誤 | 損失趨避
1. 人面對 潛在收益 時,會採取 風險趨避 (risk-averse)
2. 人面對 潛在損失 時,卻會採取 風險追求 (risk-loving)
雙曲折現 (Hyperbolic Discounting)
1. 人面對眼前的未來,會有較強的折現效應 (相較於比較遠的未來) | 1. 人面對 潛在收益、潛在損失時,不同的風險承受意願
2. 人面對 近期未來 vs 長期未來的利益時,有不同的折現效應 |
<4> 常態分佈 | 針對隨機且獨立事件的平均值加總,分析各個 “值” 的發生機率。
並且,這些值幾乎沒有 “大數值事件” (e.g. 大地震、搜林大火),反而都是小數值事件 | 1. 一群人的身高分佈
2. 飛機準時到達的機率 |
<5> 對數常態分佈 | 如果獨立隨機變數 相乘 產生的隨機變數為 對數常態分布 (而非常態分布)
代表可能出現更多的大數值事件,而小數值事件發生的機率則比常態分布還多 | 1. 英國農莊大小
2. 地球礦物集中度
3. 從感染疾病到出現症狀的時間
4. 許多國家的收入分布 |
長尾分佈:非獨立事件、有極端大數值的事件。
人會受別人的行為影響自己的決策。並且往往導致大者恆大、贏家全拿 | 1. 各個城市人口分佈
2. 書籍銷量
3. 音樂下載量 | |
<7> 長尾分佈 - 自我組織臨界模型 | 森林會自然而然達到臨界密度上限 (巨觀變數值),不會再變得更密了。
當有突發事件發生 (e.g. 森林大火),巨觀變數值 (e.g. 森林密度) 會大幅減少 | 1. 交通阻塞
2. 戰爭的死亡人數
3. 地震、火災、雪崩的規模
地震規模、戰爭死亡人數和書籍銷售量,這些事件大部分發生的數值都很小,但有時候會突然出現龐大數字 |
<8> 線性回歸模型 | 可說明幾個變數之間的相關性 (但無法直接證明是否存在因果關係) | to be updated |
<9> 非線性回歸模型 - 凸函數 - 指數成長模型 | 斜率遞增 | 1. 人口成長速度
2. 股價成長
3. 房價成長
4. 放射性物質衰退
5. 人遺忘事情的速度 |
<10> 非線性回歸模型 - 指數成長模型 - 凹函數 | 斜率遞減
擁有的東西愈多,每增加一單位東西而新帶來的價值變得愈少 | 1. E.g. 吃炸雞會很爽,但是連續吃到第 5 塊炸雞時,就沒有吃第 1 塊時那麼爽了
2. E.g. 遠距離戀愛的相處方式可能更令人感覺幸福
|
<11> 非線性回歸模型 - 指數成長模型 - 凹函數 - 標準經濟生產模型 | 用 勞動力 和 資本 預估 產出、邊際產出 | 1. 用 勞動力 和 資本 預估 產出。預測邊際產出 在何時會達到飽和 |
<12> 貢獻度模型 | 不同人在群體中,會因為他在什麼群體、在多大的群體、他是第幾個加入此群體的人...等因素決定他對這群體帶來的貢獻度 | 1. 計算某成員在此時此刻加入某群體能帶來的邊際貢獻度
2. 計算各個政黨在國會議事投票中擁有的 bargining power (國會中擁有的席次雖然和權力相關,但並非正好依席次比例分配) |
<13> 網路模型 - 友誼悖論 | 在任何網路中,平均來說,人的朋友們總是比他自己擁有更多朋友 | 友誼悖論在任何網路中都成立
1. E.g. 包含學術引用網路、電子郵件網路、性接觸網路、銀行網路和國際貿易網路。
2. E.g. 平均來說,一篇論文引用的文獻的被引用次數,遠遠大於你自己這篇論文的被引用次數
3. E.g. 一個國家的貿易夥伴,平均來說會和更多國家有貿易夥伴關係 |
<14> 傳播模型 - 廣播 | 人們從單一來源接收想法 or 感染疾病 | 1. 想法、謠言、新聞、資訊、科技” 透過 “電視、廣播或網路等媒體” 傳播給更多人
2. 政府、公司或報紙等資訊來源傳播資訊的過程
3. 由水源傳播出的環境汙染 |
<15> 傳播模型 - 擴散 | 藉由接觸而傳染疾病 or 資訊口耳相傳,並且假設不會痊癒 | 1. 人傳人的疾病
2. 許多產品、想法和創新突破 藉由人群的口耳相傳 |
<16> 傳播模型 - SIR 傳染模型 | 被傳染疾病之後,有機率會痊癒 | 1. 病人感染疾病疾病之後的痊癒情況
2. 某流行風潮 逐漸退流行、某資訊的價值逐漸變低 |
<17> 不確定性模型 | 1. 測量 “不確定性”
2. 用來比較兩種全然不同的現象,何者的 ”不確定性” 比較高
1. 分辨 “看似隨機的複雜模式”
2. 分辨 “看似固定模式、實則隨機的現象” | 1. 判斷紐西蘭選舉結果和聯合國不信任投票,何者不確定性高;
2. 比較股價和運動比賽結果,何者不確定性高 |