变量之间可以正相关，也可以负相关
观察数据变量的好办法，即搞清楚这些变量是正相关还是负相关。若以中国变量增大意味着另一种变量也增大，则为正相关；若一种变量增大意味着另一种变量减少，则为负相关。可以将正负相关的变量关系编织成一个模型。
各种变量之间是相互影响的，一种变量发生改变则与之相关的其他变量必然会收到影响
现实世界中的各种原因呈网络关系，而非线性关系
线性等于直觉，但过于简单，不精准。要视野开阔，看出因果关系网络。
假设检验
从有效的数据信息中提取出各种假设，并一一验证。假设检验的核心是证伪。请勿试图选出最合理的假设，只需剔除无法证实的假设----这就是假设检验的基础：证伪。
进行假设检验时，要使用证伪法，而回避满意法（选出看上去最可信的一个假设的方法）。但并非所有假设都一定能被证伪，比如，某些证据可能会对假设不利，却无法推翻假设
优秀分析师的理想是找到复杂问题的非自觉答案。
根据证据剔除不可能的假设之后，若无法对剩余假设进行证伪，则可以对假设进行评级，不利证据越少的排在越前面。将假设与证据逐条进行比较，看看哪种假设具有最强的数据支持。
诊断性：是证据所具有的一种功能，能够帮助你评估所考虑的假设的相对似然，如果证据具有诊断性，就能版主对假设进行排序。
进行假设检验时，重点是要识别和找出诊断证据，非诊断证据不会带来任何进展。将证据与待鉴别的假设列表确定诊断强度。以便选出强调最大的假设。