线性模型——量化你的观点

职场上、生活中，数字带给大家的说服力是最客观直接的。

当你在做总结的时候，当你在做分享交流的时候，老板和前辈总教导我们要有逻辑！然而工作几年后发现最大的逻辑其实就是小学作文中学到的总分关系。无论是传奇般的金字塔原理，又或是最近火热的结构化思维，在操作中最大的障碍不是结构，而是分类。

好的结构体现在每个层级都分类清晰，在包含所有情形下，又互相独立。能方便读者轻易地分辨每个层级，并理解分类的依据。

有些分类是可以引入“线性模型”的概念来判定是否优秀的。

例如，你拿到一份实物的热量对照表，那么相对来说怎样的分类解读会更好呢？

原始数据

有着丰富生活经验的你自然知道，按照甜品和水果区分是一种更为明智的分类方式。为了向你验证这个结论，接下来我将利用“线性模型”这个工具，为你比较两种分类方式的差异。

线性模型中一个重要的数学基础就是“方差”。其计算方式是差值的平方，意义是通过平方的过程放大了差距，并矫正了正负值。下表展现了这5种物品的方差以及方差和。

原始数据的方差表现

先看我们常理中的分类方式：甜品&水果。如果按此方法分类后，分别算得水果类的方差和是200，甜品类的方差和是5000。做个计算，（原方差和 - 现方差和）/原方差和，可以得出经过分类后，剩现在的表达相对原始表达的方差占比，即得出的占比反映了这种分类解释了多少原始差距。

分类1的解释程度

同理，我们看第二种分类方式：假设我们按照物品的软硬程度来区分上述5种物品。可以发现此种分类方式能解释的占比仅有45.27%。

分类2的解释程度

线性模型只是模型化思维分类方式的一个特例，更多的常见为题是非线性的。我们可以阶段性的视为线性来粗略的套用。

少年，用模型的力量武装自己吧！