
大数据分析:女神为什么嫁得更差
就像查理·芒格所说的,所有科学几乎都可以相互解释,比如物理学可以解释政治事件,生物学可以解释经济领域的问题。当然,用经济学工具解释经济现象会比生物学效率更高,这也正是经济学存在的意义所在。
作为一个研究理财问题的写作者,我相信用理财学原理可以解释人生中的很多问题。理财可以把那些难以量化的指标放在一个可比的坐标下,让人们面对一些摸不着头脑的问题的时候,思路更加清晰一点。
总的来说投资理财要解决的问题有点像一个系统集成商要解决的问题。—当然,这也许是我的一种偏执,正所谓,手里拿着锤,看谁都像钉。
比如,婚姻问题就是一个很有意义的理财范畴的话题。我以前在一个理财杂志工作的时候,就发现婚姻对很多人的理财观几乎有着里程碑一样的意义,而且婚姻的确也对人们的个人财富产生了巨大的影响。
我最近发现了一个很有趣的现象,那就是一些很不错的年轻人,这些人用庸俗的标准来衡量他们异性配偶的“条件”是否很棒—在这,就先不讨论同性恋问题了。—但是,他们往往结婚很晚,而且最后的婚姻对他们的个人财富影响—这种个人财富影响不只是物质上的,也包括我们以前说过的个人社会财富—也不如想象中那么理想。
一个和我年龄差不多的朋友就是这样一种人。他需要找个女人结婚,但是当他遇到个女士,他对那个女士的看法总是:感觉不是很满意,但有总比没有好的那种程度—相信我,有的配偶真的还不如没有—他希望两个人的交往顺理成章地发展下去,但那个女士也有自己的想法,希望他对自己更加“用心”一点,其实也就是需要他付出更多的成本,不管是物质上的还是精力上的。
这个朋友比较苦恼,我明白他的意思,他因为成本付出有限被拒绝而苦恼,又觉得眼前这个女人不值得他花大成本去追求。这种矛盾的心情让他结婚很晚,而且即使结婚了,我也怀疑他婚姻的幸福程度。
这位朋友的求偶心态,安个最合适的名字应该叫“恋爱成本吝啬”。这种成本吝啬除了因为这个人自视比较高之外,从行为学上也可以找到共同的原因。麻省理工学院的丹·艾瑞里和申吉英教授曾经做过考查人们对选择权态度的实验,实验结果表明,保留选择的可能性是人类的一种偏好。
艾瑞里他们做的实验是这样的:他们设计了一个程序,这个程序会在电脑屏幕上出现3个不同颜色的方框,实验参与者用鼠标点击这三个方框会得到不同额度美元的奖励,每个参与者有权点击鼠标100次。而这三个方框所代表的奖励区间是不同的,参加实验者会被告知实验的目的是看哪个人得到的奖励最多。实验还有一个附加的规则,如果某个方框连续12次未被点击,它就会在屏幕上永久消失。参加实验的都是麻省理工学院好胜的年轻学生,即使参加点击那些方框最终的奖励不多,但他们都想成为一个神秘实验的胜利者。其实每个参与者通过几次连续点击就能找到某个方框所在的奖励区间大于其他两个方框,但是当他们看到未被点击的框越来越小,快要消失的时候,他们中的大多数人还是禁不住把一次点击的机会浪费在那个低得分的方框上。后来艾瑞里把三个方框的奖励额度差距拉大了一些,结果还是如此。
如果恋爱可以像投资那样平均把成本同时投入到不同的项目中去,我相信很多人会这么去做的。但是这里有个问题,那就是一夫一妻制已经成为一种被社会普遍认同的行为规范,同时和几个异性发生恋爱关系会使这个成本吝啬者获得很低的社会评价,有的甚至发生法律纠纷。这明显让那些成本吝啬者得不偿失,所以,这些家伙被迫把成本按照时间顺序平均分配。
这种选择其实有点像香港赛马会上的那些最后孤注一掷的赛马赌徒。其实不论是在香港还是英国,都有过这样的统计,比如一次赛马会有12场比赛,总是最后一场下注的额度比前边几场都大。造成这种大尾巴的原因就是这些赌徒中有很多成本吝啬者。大尾巴赌徒的心理账户虽然已经做出决定要把当天带来的所有钱全花到这次赛马会上,但是他们总是不能决定到底对哪匹马下大注,随着时间的推移决定在最后一次下注中孤注一掷。当然这些人的赌赛马成绩平均来说,就像那些恋爱成本吝啬者一样,也是比较差的。
不管是恋爱成本吝啬还是大尾巴赌徒,他们在选择时都遇到了一个难题:如何按照时间来平均分配成本。按时间来分配成本的取舍难度要大于投资中的平均分配成本,这是因为多元投资平均分配成本,对投资者的精力分散是比较有限的,而且投资收益是一种线性累加,也就是说一个投资者的总收益要看他在多项投资上的投资总收益;而按照时间来分配成本的人,由于他们无法预测未来,所以他们为保留多种选择而付出的成本绝大多数都成了沉没成本,这大大稀释了他们的最后的投资收益。被迫选择在最后一次下注中下大注,也完全是非理性的瞎蒙,对于赌赛马和恋爱都是一样的。
另一方面,恋爱成本吝啬者比大尾巴赌徒还存在一个劣势,那就是恋爱成本吝啬者的“资产”基本是在贬值的,而大尾巴赌徒兜里的钱不会在短短的一次赛马会上因通货膨胀贬值。恋爱成本吝啬者的所谓资产贬值的意思就是,随着年龄的增长,他们对异性的平均吸引力是在降低的。这有点像那些公司的固定资产折旧那样,在开始的时候这种折旧是不太容易发现的,而过一段时间,你会发现这种资产的确不那么值钱了。女性魅力的最高点,这是个非常难以测量的数值,而且因人而异差别很大,有的人在一个尖点上会坚持很久,比如范冰冰。但是也有的人只是昙花一现,即使是和自己相比,她们的最棒的时刻也只是那么一两年。毁掉这种魅力尖点的原因有很多,比如衰老、社会活动能力下降以及由于活得比较拧巴而造成的怪癖和坏脾气。如果你觉得我的这种表达还不够鲜活,其实可以看一下那个美剧《欲望都市》看看那些曾经的女神是怎样的,只是这个社会对她们的态度没有剧中那么友善。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02