信息评价方法有哪些

A. 网络信息评估方法有哪些

1. 权重评估分析法：

1.1 信息来源评估

一条信息是大媒体公布的还是小道消息，是知名人物说的还是小角色。

是在有https的网站上的内容还是http网站上的。

一般事件大网站，权威媒体一般是比较准确的。

1.2 专业评估

非专业人士如果发表专业领域的看法，笑笑就可以了，别当真。

如果是和专业人士观点背道而驰，那么非专业人士很可能就是在胡搅蛮缠。

你想想看对方和你一样都是不懂这个专业的，怎么可能得出正确的结论？

2.3 能力评估

如果一个人教你做了一件他自己都没做成的事情，你就要值得怀疑。大部分情况下是骗子，少部分情况下是迫于一些现实原因没法完成。

如果一个人本身就混的不成功，来传授“成功”的秘诀，十有八九是这个人想推销“成功学”骗钱。如这个人十分成功，那可能还真是“成功学”（虽然你不一定用得上）。

这里答主有一个正面例子：Ray Dalio，桥水投资的创始人。身价 $18.1 billion 美金

Ray Dalio - Wikipediaen.wikipedia.org

做了一个成功学的短视频：

https://www.youtube.com/watch?v=B9XGUpQZY38www.youtube.com

身价不是上亿美金，不要谈什么狗屁“成功学”。

虽然答主认为这没啥用处，如果各位真想用“鸡汤”找回点信心，去看名人传记，或者这些当代名人的“言论”，会比“职业鸡汤作家”更加接近现实。

2.4 机会成本评估

主要看一个人的时间有多值钱。

这里是考虑机会成本，也就是信息来源的作者如果不去干这件事，他能赚多少钱，而不是他有多少钱！

如果一个人十分繁忙，还在百忙之间来发表评论。那说明可能关系到自己切身利益。

如果结论并没有对其自身利益产生影响，很可能是这个人真的想给大众一个真理。

一个靠写营销文赚钱的和一个名校博士/企业高管，都发表了对一个事件的看法，你觉得应该相信谁？

名校博士/企业高管如果不写文章对他来说毫无影响，用这些时间去工作可以赚得比写文章多得多的回报。之所以这么做，如果不是为了自己的利益，就是真的想传播一下真理。

而营销文不一样, 如果不写，他们就没有工资，所以观点切实的影响了他们的利益。这时候就不要去相信这些观点。（当然不排除某些“用爱发电”的营销号）

2. 逻辑推理分析法

2.1 权威例外&结论利益评估

一般来说权威是准确的，但当这些内容影响到了他们自身利益的时候，他们一般不会说实话和真话。而是用“官话”搪塞或者蒙蔽一些事实，断章取义。

大多数人是理性的动物，是靠利益驱动的。

要会判断两个相反的结论对谁有好处。

屁股决定脑袋，尤其是对一些活在上流社会的人来说更是如此。

他们说得大部分话首先会考虑对自己有没有影响。

如果有影响，他们会选择对自己有利的观点。

如果没影响，他们会选择较为“正确”的观点，这里的“正确”大部分情况指政治正确。

2.2 影响力原因

很多人喜欢用人数衡量一个人是否权威。有一定道理，但不绝对。

首先要看粉丝是为什么来的，娱乐明星，或者节目主持人，一般粉丝都是因为，颜值，名气而来的，而非这个人有多么专业。所以在科学问题上不要相信这些人的言论，也不要去听信他们对于一些技术，社会问题的解释。

2.2 验证困难性

很多观点有验证困难性。这要归结到一个比较常见的逻辑语句 “→”

比如：事件A→事件B

如果事件A没有发生，那么B无论发不发生，逻辑都是自洽的。

验证建立在事件A几乎不可能发生，或者很难判断A发生了，这种验证就是无效的。

或者是B事件没法精确验证

比如：转发这条说说，就能有好运。

怎么样判断你有没有“好运”就是没法精确验证的事情。

或者是B时间永远正确/在你所能见到的时间尺度上永远正确

那么无论A发不发生，这条逻辑始终成立。

大部分的胡搅蛮缠都是在玩弄这个简单的逻辑符号。

2.3 逻辑自查

有很多文章是前后有逻辑漏洞的，如果你逻辑非常清晰就能很快找出其中的漏洞。当然这需要一定的功底，所以不像上面那些方法简单啊。但用好这一条确是比上面更有用。

2.4 叙述模糊

一些概念如果非常模糊，或闭口不谈，那就是这部分内容没法逻辑上自圆其说，所以故意不写清楚。

2.5 逻辑模糊&叙述模糊：局限性

这个不适用于故事性例子。如果作者功底厉害，完全可以编一个叙述详细，并且几乎没有逻辑漏洞的故事。这个只适用于类似，证明和议论类的观点。

2.6 奥卡姆剃刀 (从简原则)

有些情况下是两种理论都可以完美解释一个现象，这时候选取奥卡姆剃刀原理（选择比较简单的那个），对另一个复杂的原理持怀疑态度。（可能是真的，但是需要对方给出证明）

3. 计算机科学方法

3.1 加权求和

你不会判断，就看其他人怎么判断这个人，你觉得最靠谱的人怎么判断这个人。多听取一些其他人是怎么判断的。

同时判断投票者的价值，也就是加权。

你比较相信的人，从来不说假话的人有较高的权重。

你不相信的人，原来骗过你的人有较低的权重。

有权威出处的，专业的，机会成本高的，能力强的，判断出错率少，和屁股利益没有冲突的，有较高权重。

上文已经介绍了怎么样设置权重在此不错赘述。

3.2 搜索引擎判断法

google搜索靠前的一般是比较靠谱的

wiki上英文词条解释一般是比较靠谱的

网络上搜索靠前的热点事件和ACG文化是比较靠谱的

网络上对于一些中国名人的解释一般会比wiki详细

4. 对错界限模糊判断

4.1 自身利益判断

很多观点对错很难界定，无非就是“谁赚钱，谁亏钱”，“谁吃肉，谁喝汤”的问题。这就要看问题对你有没有影响了。

尤其是你可以改变结果的问题。需要考虑自己的机会成本（时间，金钱）的情况下好好的研究一下该怎么选择，别让自己被骗吃亏。

如果你的选择影响不了结果，那么别浪费时间了。这瓜不甜，把时间花在能改变的结果的事情上。

B. 分析信息的方法一般包括哪些内容

信息分析方法总共有四种,分别为:
1.信息联想法;
2.信息综合法;
3.信息预测法;
4.信息评估法。分析方法”主要探讨上市公司财务信息剖析过程所使用的分析手段：比较分析法、比率分析法、趋势分析法和因素分析法。“比较分析法”一节说明比较分析法的三种形式及应用中需要注意的问题。比较分析法是最基本的分析方法，其作用在于揭示财务活动中的数量关系和存在的差距，从中发现问题。“比率分析法”一节归纳叙述了财务信息分析中常见的三类比率关系，并提出使用比率指标分析财务信息时需要注意的三个问题。“趋势分析法”可以揭示上市公司财务状况和经营状况的变化，帮助我们分析引起变化的主要原因、变动的性质，认识公司的现状，并预测该公司未来的发展前景。“因素分析法”主要用来确定几个相互联系的因素对上市公司某个经济指标的影响程度，在分析财务指标异动原因时比较常用。常用的信息分析方法分为两大类：定性分析与定量分析。

（一）定性分析

定性分析即通过专家知识、经验，对事物现状的分析以及未来发展趋势的预测。常用的定性分析法有头脑风暴法、德尔菲调查法、主观概率法、相互影响矩阵分析等。定性分析法发展至今，经过不断完善，已广泛运用于各类信息分析之中。定性分析最大的优点是，能充分运用专家的知识、经验，从而对一些无法收集数据的分析预测活动进行评判。定性分析方法也是一种科学的方法。首先专家的知识、经验是一种隐性知识，是专家在长期大量的实践中形成的经验总结，是建立在客观科学基础之上的认识，如某行业领域资深专家对行业发展趋势的判断，这是他对行业发展全面客观的认识基础上作出的推断，这种推断具有一定的合理性。其次，某个专家的认识由于受到自身学术行业背景、主观判断等限制，其看法具有片面性，但综合该领域的专家认识，就能比较全面合理的作出定性的判断，从这个角度这种方法也是合理的。最后，定性分析由于受到主观因素影响，而且只能提供定性的结论，因此针对具体的微观的需要作出量化决策的问题，就需要通过定量分析。值得一提的是，定量分析由于客观具体，用数据和科学模型说话，在某些方面更具有说服力，但是由于应用时受到诸多条件限制，有时候得出的模型和结论未必合理，切不可盲目迷信复杂的模型。定性分析与定量分析需要相互结合使用，才能做出准确科学的结论。

（二）定量分析

定量分析基本上就是统计的内容了，相关分析、回归分析、主成分与因子分析、独立性检验（卡方检验）、分类与聚类等。

数理统计最主要的几个分布函数：正态分布和t分布、F分布、卡方分布，因为回归分析里参数检验涉及到t检验和F检验问题，要知道它们到底用来做什么，有什么特性。这里简单介绍几个一直让我混淆的概念。

（1）相关分析与回归分析

两个事物之间可能存在一定的关联，如子女身高与父母身高，一般来说父母个子高子女身高也高，但两者没有必然的因果关系，那么这两者之间有关系，但不是因果关系，这就是相关分析，相关可以是线性相关也可以是非线性相关。而回归分析如，广告支出增加，销量增加，那么广告和销量之间是存在某种因果关系，可以分析广告支出对销量增加的影响，这就是回归分析。

（2）回归分析与方差分析

前面讲到回归分析，当自变量和因变量都是数值变量，即分析某个自变量的变化对因变量的影响程度就是回归分析。而方差分析也是分析自变量对因变量的影响程度，但自变量是定性变量，如分析农作物产量（因变量）与土壤种类、肥料种类、栽培方法之间是否有影响，这就是方差分析了。方差分析结论就是，这个定性变量对因变量到底有没有影响。

（3）线性回归、logistic曲线与probit曲线

线性回归就是构建一个模型方程，同回归分析，自变量和因变量都是定量变量，并且对其取值没有要求。logistic曲线与probit曲线自变量和因变量也都是定量变量，但是因变量的取值是0或1（这里讲的是二元定性选择回归）。