这有一个复杂一点的方法。
叫基于场景的交叉影响分析与解释结构模型联用的方法。这玩意装逼特别好用。发文章特别容易。
上面是一般性介绍,超过来看看。
CIA是cross-impact analysis 的简称,它不是中央情报局的意思是交叉影响分析的简称。
CIA-ISM结合的最重要的一篇文章是Murray Turoff等写的叫
Turoff 提出的CIA有别于其他人提出的CIA,其原理与推导过程在Turoff写的一本关于Delphi方法的书的第五章有非常详细介绍与推导过程
关于老头的论文先说下感想。
一篇理工类的学术论文,尤其是顶级期刊的论文,刚开始的时候就先来一首诗。这是及其罕见的。
“Born, troubled, died.”
This was their history of Everyman.
“Give me next for my people,” spoke the head man,
“in one word the inside kernel of all you know,
the knowledge of your ten thousand books with a forecast of what will happen next— this for my people in one word.”
And again they sat into the peep of dawn
and the arguments raged
and the glass prisms of the chandeliers shook
and at last they came to a unanimous verdict
and brought the head man one word:
“Maybe.”
—from Poem 49 in “The People, Yes” by Carl Sandburg
而最后一部分的讨论。居然直接来一个philosophical issues(哲学问题)即方法论的问题。 能写让某个人在顶级期刊扯诗,讨论哲学问题,那么这个人一般来说是:
超级牛逼
关于CIA-ISM的相关文章并不多,就如下几篇,但是发表了的都是顶级期刊。
Murray Turoff等
Murray Turoff等
清华大学的一伙人
上面以Murray Turoff老头第一篇文章为例子说明一下怎么来弄。
具体见上面一文。
交叉影响分析很久来的了。老头70年代就做了这个方面的研究。
整个的公式就上面一个。
就是事件发生的概率,专门指初始事件发生的概率,比如白天发生地震的可能这个事件初始概率为0.5
这个非常重要,就是事件相互之间的影响。
N =10; %要素个数 R=xlsread('R.xlsx'); P=xlsread('P.xlsx'); for i = 1:1:N for j= 1:1:N C(i,j) = 1/(1-P(j)) * (log(R(i,j)/(1-R(i,j)))-log(P(i)/(1-P(i)))); end end for i=1:1:N for j=1:1:N if C(i,j)==-inf C(i,j)=0; end end end for i = 1:1:N D = 0; for k = 1:1:N if(i ~= k ) D = D + C(i,k)*P(k); end end G(i) = log (P(i)/ (1-P(i))) - D ; end
上面一段是 matlab的代码,
输入是一行 事件初始概率
然后输入一个矩阵。
接着代入公式求解即可:
总之,输入了 矩阵
就可以求出 C矩阵。
老头文章中就是 table2,红框中框住的就是CIA矩阵,检测交叉矩阵。C矩阵。
然后根据C矩阵取截距获得一个手性对称矩阵。
就是上面的table4。
老头有一个地方写错了,table2要转置一下,才成立。这个是影响与被影响定义问题。
上面是对老头数据的检查。
这个就是table2的数据。
一定要转置,此外是输入了0.8的截距。
上面是平移得到的手性对称矩阵。取截距后如下:
接着进行普通的ISM运算即可。
这个是取了一半的对抗层级拓扑图。
老头的文章如上。是算对的。
总之老头子这种文章还真特别好发。他是一种德尔菲方法。
但是用了严谨的数学去证明。而且全程都可以软件实现,关键是调整最开始的参数。
这种分析方法,只要笔头功夫可以,发篇好一点的期刊还是比较容易的。哪怕是有明显错误的都容易发,比如清华的那篇,就有明显的目测可见的错误。