20171207090838972

1 .计算社会科学 与 决策科学的革命 唐世平 复旦大学“复杂决策分析中心” 复旦大学国际关系与公共事务学院 2017-12

2 .决策者的挑战 决策者 信息收集能力 信息处理能力

3 .决策者的挑战 任何面对复杂问题的决策者都面临两个根本性的挑战： 1 ）信息的缺乏； 2 ）处理信息的能力。 在相当长的时间里，这两个挑战都是无解的。 因此， 传统的决策 模式主要靠决策者和 专家 的 判断。由于 缺乏 足够 强大 的计算能力、众多数据的缺失 ，加上 社会科学理论和实证研究的积累不够，决策者在很多时候只能依赖于 自身和 专家 的 判断。 传统的决策 模式 是一个前信息革命时代的产物 。这样的 决策 模式将 很难 以 效应对现代国家 和企业所面临 的高度复杂 和快速变化的环境 。

4 .什么是计算社会科学？ 计算社会科学（ CSS ） 是社会科学和计算机技术的交叉学科。 它 以社会科学的理论和实证研究为数理模型和程序设计提供核心 和基础 思想，以计算机技术 、 大数据、机器学习、和人工智能为核心技术平台，对我们关心的社会行为 与 事件进行推演和计算的科学。 因此，计算社会科学并不是简单的“大数据”，也不是简单的机器学习和 AI 。 计算社会科学的核心思想是社会科学的知识积累，而计算机技术和 AI 是它的技术工具。 1+1>2. 显然，基于计算社会科学的推演也有别于基于统计推断基础上的“预测”。基于计算社会科学的推演能够容纳几乎无限的非线性问题、随机事件。

5 .计算社会科学的用武之地？ 一方面，大数据学派的人士普遍认为，只要有了大数据，通过计算机的计算，特别是加上人工智能，就可能识别出人类社会中的规律或至少是某些规则性图案（ regular pattern ），而这将给我们理解人类社会带来翻天覆地的革命。 另一方面，大部分社会科学家认为，完全依赖大数据、计算机和人工智能，并不能帮助我们理解人类社会许多重大问题，比如革命、民主化、不平等的根源以及后果、内战、国家重建、经济发展等等。这背后的主要原因是这些重大问题是不大可能有大数据的，因而大数据和计算机都不大可能给我们太多的帮助。

6 .计算社会科学与决策科学的革命 我们的 立场 ： 通过计算机搜寻大数据确实有可能识别 出 一些人类社会中某些规则性图案，但这样的规则性图案恐怕并不如我们想象的那么多，而且也难以具有普遍意义，因为人类社会是一个演化的体系。 纯粹 基于大数据 和 AI 的计算不大可能帮助我们理解人类社会的 许多 重大问题 。 计算社会科学 真正的冲击力会集中在决策科学上。计算社会科学将革命性地改变“决策科学”。简而言之，计算社会科学为 现代国家 和现代企业提供了一个应对 高度复杂 和快速变化的环境的高性能工具。 传统的决策过程，特别是对行为以及某些重要社会结果的“预测（ forecasting ）” 高度依赖于“专家判断” 。 计算社会科学将有可能大大降低我们的决策过程中，特别是“ forecasting ”，对“专家判断”的依赖。

7 .一点历史：美国的早期探索 自 60-70 年代起，美国军方就通过其隶属于国防部的“国防高级研究计划署”（ Defense Advanced Research Projects Agency ， DDAPR ）一直在支持这类集一流大学、公司、和智库的综合性研究开发。经过几十年的积累和探索，经过美国国防部的“联合作战分析中心（ Joint Warfare Analysis Center ， JWAC ）”在 1996-98 年进行的一次综合评估之后，美国国防部最终在 2000 年之后推出了新一代基于计算社会科学的“综合危机早期预警系统”（ Integrated Crisis Early Warning System ， ICEWS ）。 美国政府支持的另一项研发是美国国务院下属的“重建与稳定联合办公室 (Office of the Coordinator for Reconstruction and Stabilization ， S/CRS) ”支持的“国家重建和稳定（ Project of state reconstruction and stabilization, PSRS ）”项目。 我们认为，他们的做法可能在方向上有误，而且在技术选择上可能也有偏差。我们试图超越。

8 .我们的探索 我们从 2011 年开始探索。 迄今为止，我们已经开发出 4 个具有自主知识产权的基于计算社会科学的决策模拟平台。这四个平台分别面对不同的任务： 企业的竞争战略与竞争结局模拟 产业水平的体系演进模拟 国家水平的核心政治结果模拟 国家水平的高烈度政治风险模拟 除了大家习以为常的大数据、 AI 等等，我们的计算模拟平台还整合了诸如社会网络分析 (SNA) 、地理信息系统 (GIS) 、基于行为体的模拟 (ABM) 、博弈论、以及 QCA 等多个技术平台。

9 .

10 .企业的内部管理和竞争绩效 大部分大中型企业都运用 ERP ，其中有些企业也外包一些基于 ERP 的管理咨询。 但是，根据我们的了解，大部分企业对 ERP 数据的运用都是不充分的。主要体现在： 大部分企业对 ERP 的分析相对简单，仅限于图表 也许只有非常少的企业才将 ERP 数据放在经济社会（大）数据环境下一起考察企业的管理和竞争绩效。 我们能够模拟多家企业的竞争战略，并且将这些竞争战略和企业自身的管理水平联系起来，从而计算出不同的环节对企业竞争绩效的贡献（或者说是影响），从而可以帮助企业更加精确地提升具体环节上的管理水平。 非常关键的是，我们的模拟计算平台整合了企业的内部数据和经济社会（大）数据。

11 .企业的内部管理和竞争绩效 我们的计算模拟平台能够： 允许多个企业自主变化竞争战略 允许企业调用自身的 ERP 数据 允许通过历史数据来训练我们的计算估计（基于人工智能，机器学习），并在此基础上对未来的绩效做出更加可靠的估计。 充分利用经济社会（大）数据，从而让企业的竞争和现实一样，是在一个经济社会大环境中竞争。 因此，我们的平台允许我们更加充分地理解企业的兴衰及其背后的内部和外部原因。

12 .模拟企业的竞争、运营管理与绩效 -1

13 .模拟企业的竞争、运营管理与绩效 -2

14 .模拟企业的竞争、运营管理与绩效 -2

15 .模拟一个产业的演化进程 任何一个产业都可以被认为是一个“社会物种”，因此会经历群体水平上的演化 。 每一个产业内的企业都是直接的或间接的竞争者（即便是差异化的竞争也不改变这一点）。而企业的竞争行为将会改变一个产业的即便结构，特别是企业在一个产业内的地位。 如何理解企业在一个产业内的地位及其变化的趋势对于企业的决策，以及投资者的决策都具有很重要的参考意义。 传统的产业研究恐怕难以解决这背后的大规模数据和运算所带来的挑战。而计算社会科学则可以相对容易地解决这些挑战。

16 .单一产业的演化的模拟 基于计算机模拟，我们可以试图推演一个产业的演化 ( 及相关产业的“共同演化”，见下 ) ，从而为企业的竞争战略的选择以及政府对产业政策的选择提供一定的基于计算社会科学的依据。 整合公司水平的数据（含大数据）以及产业及宏观环境，运用计算机模拟一个产业的“演化地形”（ evolutionary landscape ），从而让企业看清自身在某个产业及其相关产业内的位置，运筹帷幄，主动出击，掌握先机。 这样的模拟理解同样可以为投资者，特别是机构投资者，提供一定的投资决策依据

17 .单一产业的演化的模拟 基于计算机模拟，我们可以试图推演一个产业的演化 ( 及相关产业的“共同演化”，见下 ) ，从而为企业的竞争战略的选择以及政府对产业政策的选择提供一定的基于计算社会科学的依据。 整合公司水平的数据（含大数据）以及产业及宏观环境，运用计算机模拟一个产业的“演化地形”（ evolutionary landscape ），从而让企业看清自身在某个产业及其相关产业内的位置，运筹帷幄，主动出击，掌握先机。 这样的模拟理解同样可以为投资者，特别是机构投资者，提供一定的投资决策依据

18 .单一产业的演化的模拟 基于计算机模拟，我们可以试图推演一个产业的演化 ( 及相关产业的“共同演化”，见下 ) ，从而为企业的竞争战略的选择以及政府对产业政策的选择提供一定的基于计算社会科学的依据。 整合公司水平的数据（含大数据）以及产业及宏观环境，运用计算机模拟一个产业的“演化地形”（ evolutionary landscape ），从而让企业看清自身在某个产业及其相关产业内的位置，运筹帷幄，主动出击，掌握先机。 这样的模拟理解同样可以为投资者，特别是机构投资者，提供一定的投资决策依据

19 .单一产业的演化的模拟 基于计算机模拟，我们可以试图推演一个产业的演化 ( 及相关产业的“共同演化”，见下 ) ，从而为企业的竞争战略的选择以及政府对产业政策的选择提供一定的基于计算社会科学的依据。 整合公司水平的数据（含大数据）以及产业及宏观环境，运用计算机模拟一个产业的“演化地形”（ evolutionary landscape ），从而让企业看清自身在某个产业及其相关产业内的位置，运筹帷幄，主动出击，掌握先机。 这样的模拟理解同样可以为投资者，特别是机构投资者，提供一定的投资决策依据

20 .多个产业的“共演化” 模拟 没有一个产业是完全独立的：每一个产业都是在和其他的产业产生关联的基础上，一起演化。 即，产业都是“共（同）演化” (co-evolve) 的。 理解产业之间的关联的关键有二。其一是价值链分析。其次是价值链本身在历史中的演化进程。只有如此，才能够理解多个产业的“共同演化” 过程。 模拟 多个关联产业的共同演化需要更加复杂的计算技巧（包括统计分析技巧）和数据基础。

21 .基于全球价值链的多产业的演化模拟 WIOD(World Input Output Database ，世界投入产出数据库 ) 是欧洲 11 个研究机构在欧盟资助下构建的一个全球生产与贸易的数据库。该数据库是一个高度专业化的基础数据库，能够满足我们基于价值链来模拟多产业演化的要求。 覆盖国家： 43 个 涉及产业： 56 个 基础与公用（ 7 个 部门 ） 制造业（ 19 个部门） 服务业（ 30 个部门） 时间跨度： 1995-2014

22 .全球投入产出表（ WIOD ）的结构

23 .0 1.63 3.3 1.44 25.29 7.44 1.39 1.5 0.62 0.96 2.73 1.63 2.43 0.69 0.87 0.61 0.53 0.68 0.7 0.58 0.38 1.09 0.28 1.35 0.4 1.13 1.23 0.82 2.93 1.6 1.6 0.96 0.48 0.99 0.29 3.95 0.21 0.21 0.44 0.31 1.59 0.28 0.19 0.48 0.69 0.27 0.33 0.19 0.49 0.84 0.42 0.37 0.43 0.65 0.03 1.35 1.63 0 0.72 0.88 0.97 0.4 11.4 2.69 0.77 0.49 0.88 0.26 1.64 0.39 0.41 0.42 0.34 0.39 0.49 0.36 0.26 1.31 0.15 0.57 0.14 0.47 1.04 0.35 1.61 0.65 1.08 0.31 0.15 0.34 0.17 0.58 0.2 0.11 0.3 0.22 1.06 0.21 0.13 0.38 0.45 0.2 0.16 0.12 0.28 0.61 0.3 0.15 0.1 0.37 0.02 0.33 3.3 0.72 0 1.82 2.91 0.37 0.89 0.45 0.21 0.71 0.73 0.19 0.47 0.3 0.48 0.37 0.32 0.28 0.65 0.24 0.91 0.27 0.16 1 0.13 0.24 0.26 0.24 2.92 1.09 1.24 0.62 0.13 0.52 0.13 0.97 0.08 0.06 0.42 0.18 1.49 0.24 0.11 0.43 0.55 0.13 0.12 0.08 0.21 0.58 0.2 0.13 0.09 0.36 0.01 0.19 1.44 0.88 1.82 0 2.46 3.25 2.53 3.38 2.02 83.44 7.73 2.33 5.2 8.8 17.83 4.6 2.36 4.51 4.09 3.12 2.54 2.55 1.33 13.05 3.23 4.08 4.3 0.85 2.61 1.15 4.66 5.78 6.19 1.59 1.29 1.27 0.78 0.6 0.99 0.79 1.66 0.58 0.69 0.95 2.06 0.94 0.97 0.59 0.79 2.74 1.49 0.67 0.66 1.17 0.09 8.65 25.29 0.97 2.91 2.46 0 1.46 0.62 2.05 0.89 1.11 2.89 1.13 2.03 0.97 1.03 1.61 0.9 0.76 0.96 0.75 0.43 0.63 0.4 2.7 0.48 0.83 1.01 1.23 9.45 4.35 3.95 1.06 0.7 1.66 0.49 5.88 0.54 0.56 1.17 0.98 3.59 0.71 0.48 2 3.31 0.84 0.68 1 0.92 3.61 1.23 0.55 0.56 1.14 0.07 0.96 7.44 0.4 0.37 3.25 1.46 0 0.7 1.75 1.04 1 5.09 0.76 2.29 0.76 1 1.01 0.99 0.81 1.17 1.34 0.57 1.87 0.42 3.32 0.39 0.8 0.94 0.87 8.78 4.73 3.73 1.15 0.41 1.27 0.51 0.98 0.37 0.33 1.29 0.86 3.62 0.61 0.33 1.92 2.48 0.76 0.49 0.45 0.78 2.5 0.68 0.35 0.3 1.52 0.05 1.18 1.39 11.4 0.89 2.53 0.62 0.7 0 2.07 0.7 0.82 2.9 0.52 1.28 1.26 1.02 1.78 0.85 0.74 1.1 0.82 0.5 3.7 0.42 2.79 0.32 0.85 2.2 0.81 7.56 3.21 3.8 0.98 0.35 1.53 0.42 0.8 0.45 0.34 1.06 0.81 2.77 0.52 0.39 2.14 2.53 0.87 0.41 0.43 0.46 2.85 0.97 0.34 0.18 0.9 0.02 0.3 1.5 2.69 0.45 3.38 2.05 1.75 2.07 0 8.46 1.13 4.24 1.41 2.54 1.32 1.09 1.65 1.58 1.45 1.39 1.07 0.65 1.61 0.61 4.72 0.52 1.7 1.28 1.02 8.08 3.21 3.9 1.07 0.53 1.85 0.76 1.15 2.38 0.59 1.18 1.19 3.09 0.71 0.61 1.93 3.34 1.11 0.78 0.78 0.84 3.73 1.53 0.5 0.39 1.13 0.06 4.35 0.62 0.77 0.21 2.02 0.89 1.04 0.7 8.46 0 0.9 2.9 0.94 1.47 0.57 0.82 1.28 1.49 0.99 1.16 0.78 0.49 1.13 0.5 2.39 0.36 0.88 1.11 0.94 5.59 3.27 2.56 0.79 0.57 1.3 1.09 1.02 3.81 0.94 1.36 1.49 2.76 1.04 0.94 2.16 3.2 1.33 1.05 1.11 0.97 4.2 1.32 0.54 0.39 1.35 0.07 1.04 0.96 0.49 0.71 83.44 1.11 1 0.82 1.13 0.9 0 4.64 0.89 1.95 2.03 2.97 2.03 1.29 1.32 2.23 1.2 0.74 0.84 0.55 6.37 0.67 1.3 2.41 1.3 10.38 3.99 8.35 4.26 3.69 2.59 0.81 1.13 0.53 0.42 1.58 1.27 4.86 0.94 0.75 2.44 4.23 1.2 0.8 0.64 0.8 5.47 1.81 0.56 0.34 1.28 0.06 2.1 2.73 0.88 0.73 7.73 2.89 5.09 2.9 4.24 2.9 4.64 0 6.45 13.92 2.84 2.48 2.7 2.87 3.27 2.35 2.77 1.75 2.68 1.25 4.23 1.3 1.98 2.1 1.23 6.92 3.09 3.48 1.43 0.99 1.54 0.71 1.24 1.09 0.69 1.27 1.11 2.79 0.69 0.58 1.74 5.09 1.25 1.2 1.11 0.97 3.75 1.36 0.51 1.01 1.37 0.1 2.69 1.63 0.26 0.19 2.33 1.13 0.76 0.52 1.41 0.94 0.89 6.45 0 2.4 0.65 0.55 0.8 0.85 0.53 0.68 0.66 0.39 0.74 0.28 1.66 0.23 0.64 0.68 0.59 4.42 2.12 1.78 0.41 0.35 0.81 0.4 0.65 0.61 0.42 0.84 0.88 1.99 0.38 0.33 1.41 3.32 0.92 2.03 0.86 0.52 3.65 0.85 0.45 1.9 0.74 0.03 3.75 2.43 1.64 0.47 5.2 2.03 2.29 1.28 2.54 1.47 1.95 13.92 2.4 0 1.64 2.03 2.65 2.56 3.25 2.78 3.96 1.67 2.32 1.51 4.62 0.8 1.55 1.98 1.55 8.75 3.81 4.27 1.42 0.74 1.7 0.76 1.33 0.71 0.53 1.55 1.15 3.73 0.7 0.51 2.22 3.51 1.19 0.89 0.78 0.95 3.59 1.08 0.42 0.4 1.37 0.08 0.86 0.69 0.39 0.3 8.8 0.97 0.76 1.26 1.32 0.57 2.03 2.84 0.65 1.64 0 2.27 1.96 1.58 1.58 1.68 1.51 0.7 0.99 0.75 4.97 0.69 1.47 4.64 0.89 6.16 2.71 4.32 1.27 0.47 1.48 0.5 0.95 0.35 0.3 1.17 0.81 3.15 0.52 0.37 1.79 2.51 1 0.64 0.51 0.61 3.31 0.86 0.37 0.26 0.96 0.04 0.48 0.87 0.41 0.48 17.83 1.03 1 1.02 1.09 0.82 2.97 2.48 0.55 2.03 2.27 0 11.28 2.87 8.07 7.5 6.06 4.72 3.06 2.31 7.71 1.13 3.15 3.58 1.44 9.31 5.34 5.36 2.44 0.85 1.79 0.58 1.01 0.46 0.35 1.61 0.95 4.46 0.62 0.39 1.52 2.08 0.89 0.66 0.44 0.89 2.57 1.23 0.43 0.32 1.28 0.09 1.07 0.61 0.42 0.37 4.6 1.61 1.01 1.78 1.65 1.28 2.03 2.7 0.8 2.65 1.96 11.28 0 2.84 4.51 6.45 5.09 3.93 2.61 3.49 3.5 1.04 2.37 4.02 1.53 6.4 2.58 3.08 1.89 0.83 1.55 0.63 1.35 0.97 0.59 1.51 1.2 3.27 0.54 0.53 1.87 2.14 1.02 0.79 0.76 1.2 2.87 1.04 0.41 0.35 1.02 0.14 1.12 0.53 0.34 0.32 2.36 0.9 0.99 0.85 1.58 1.49 1.29 2.87 0.85 2.56 1.58 2.87 2.84 0 6.98 3.54 2.94 3.44 2.02 1.78 2.46 0.6 1.28 1.4 1.2 6.97 2.28 2.29 1.11 0.84 1.22 0.75 1.18 1.2 1.38 2.64 2.25 3.03 0.75 0.78 1.61 3.75 1.53 2.17 1.11 1.48 3.11 1.07 0.55 0.53 1.14 0.11 2.1 0.68 0.39 0.28 4.51 0.76 0.81 0.74 1.45 0.99 1.32 3.27 0.53 3.25 1.58 8.07 4.51 6.98 0 3.93 2.51 1.58 1.15 1.54 3.74 0.64 1.17 1.93 1.19 9.27 2.98 3.49 1.15 0.58 1.45 0.59 1.35 0.52 0.53 1.8 1.52 3.92 0.61 0.43 2.03 3.13 1.02 1 0.77 1.55 3.08 0.91 0.45 0.26 1.1 0.1 1.3 0.7 0.49 0.65 4.09 0.96 1.17 1.1 1.39 1.16 2.23 2.35 0.68 2.78 1.68 7.5 6.45 3.54 3.93 0 4.13 3.02 1.46 2.63 3.18 0.92 2.19 1.93 1.39 7.53 2.48 3.1 1.41 0.85 1.49 0.75 1.11 0.6 0.48 1.4 1.23 3.17 0.58 0.55 1.98 3.31 1.1 0.9 0.64 1.14 3.13 1 0.45 0.32 1.01 0.1 0.91 0.58 0.36 0.24 3.12 0.75 1.34 0.82 1.07 0.78 1.2 2.77 0.66 3.96 1.51 6.06 5.09 2.94 2.51 4.13 0 1.53 1.03 1.43 2.78 0.48 2.39 1.2 3.15 9.21 3.43 4.1 0.84 0.61 1.73 0.72 0.93 0.58 0.48 1.32 1.14 3.21 0.63 0.58 2.22 3.86 1.09 1.31 0.87 1.12 3.97 1.1 0.46 0.24 1.1 0.11 0.72 0.38 0.26 0.91 2.54 0.43 0.57 0.5 0.65 0.49 0.74 1.75 0.39 1.67 0.7 4.72 3.93 3.44 1.58 3.02 1.53 0 0.73 1.8 1.96 0.26 0.76 0.74 0.78 5.77 2.02 2.6 1.86 2.07 1.03 0.57 0.78 0.41 0.36 1.03 1.05 2.59 0.5 0.5 1.67 3.44 1.1 1.24 0.51 0.69 3.44 1.04 0.32 0.18 0.74 0.05 0.51 1.09 1.31 0.27 2.55 0.63 1.87 3.7 1.61 1.13 0.84 2.68 0.74 2.32 0.99 3.06 2.61 2.02 1.15 1.46 1.03 0.73 0 0.63 2.07 0.35 0.72 1.18 0.86 6.73 2.92 2.9 0.68 0.45 1.17 0.48 0.91 0.5 0.43 1.18 1.01 2.9 0.6 0.6 2.05 2.79 1.06 0.71 0.77 0.8 3.08 0.94 0.39 0.62 1.08 0.05 0.41 0.28 0.15 0.16 1.33 0.4 0.42 0.42 0.61 0.5 0.55 1.25 0.28 1.51 0.75 2.31 3.49 1.78 1.54 2.63 1.43 1.8 0.63 0 1.38 0.33 0.68 0.88 0.93 3.9 1.94 1.47 0.58 0.86 1.14 0.4 0.56 0.34 0.33 0.95 0.91 2.37 0.4 0.79 2.73 2.7 1.05 0.77 0.45 0.41 3.51 0.74 0.46 0.15 0.89 0.03 3.69 1.35 0.57 1 13.05 2.7 3.32 2.79 4.72 2.39 6.37 4.23 1.66 4.62 4.97 7.71 3.5 2.46 3.74 3.18 2.78 1.96 2.07 1.38 0 4.62 3.28 2.95 1.29 4 2.06 3.61 2.18 1.47 2.1 1.38 2.23 1.01 0.94 1.61 1.29 4.02 0.75 0.93 1.86 2.32 1.26 1.39 0.79 1.16 2.78 1.62 1.13 0.89 1.71 0.1 16.03 0.4 0.14 0.13 3.23 0.48 0.39 0.32 0.52 0.36 0.67 1.3 0.23 0.8 0.69 1.13 1.04 0.6 0.64 0.92 0.48 0.26 0.35 0.33 4.62 0 1.17 2.13 0.53 2.57 1.2 1.65 0.49 0.26 0.66 0.38 0.75 0.24 0.21 0.99 0.79 2.49 0.27 0.41 1.06 1.5 0.7 0.39 0.19 0.63 2.14 0.74 0.4 0.19 0.81 0.04 3.28 1.13 0.47 0.24 4.08 0.83 0.8 0.85 1.7 0.88 1.3 1.98 0.64 1.55 1.47 3.15 2.37 1.28 1.17 2.19 2.39 0.76 0.72 0.68 3.28 1.17 0 2.31 0.85 5.28 2.09 3.1 1.51 0.67 1.18 0.67 1.44 0.5 0.35 1.7 1.25 2.78 0.62 0.43 2.24 2.9 1.72 0.54 0.49 0.84 4.64 1.36 0.69 0.45 2.31 0.03 0.27 1.23 1.04 0.26 4.3 1.01 0.94 2.2 1.28 1.11 2.41 2.1 0.68 1.98 4.64 3.58 4.02 1.4 1.93 1.93 1.2 0.74 1.18 0.88 2.95 2.13 2.31 0 1.14 5.98 3.5 3.05 1.6 0.88 2.02 0.99 1.33 0.6 0.7 1.9 1.09 3.17 0.82 0.7 3.11 2.17 1.74 0.79 0.67 1.57 3.03 1.39 0.7 0.5 1.23 0.1 1.75 0.82 0.35 0.24 0.85 1.23 0.87 0.81 1.02 0.94 1.3 1.23 0.59 1.55 0.89 1.44 1.53 1.2 1.19 1.39 3.15 0.78 0.86 0.93 1.29 0.53 0.85 1.14 0 2.52 1.34 1.89 0.94 0.79 1.4 0.6 0.85 0.68 0.64 1.13 0.94 2.1 0.71 0.81 2.56 1.83 0.89 0.72 0.78 0.68 2.35 0.91 0.34 0.37 1.07 0.11 1.1 2.93 1.61 2.92 2.61 9.45 8.78 7.56 8.08 5.59 10.38 6.92 4.42 8.75 6.16 9.31 6.4 6.97 9.27 7.53 9.21 5.77 6.73 3.9 4 2.57 5.28 5.98 2.52 0 1.78 4.44 4.97 4.13 3.96 2.56 4.71 3.49 1.68 2.74 2.16 3.07 1.21 1.23 2.42 2.91 1.7 1.96 1.63 2.14 3.26 1.96 1.05 2.21 2.35 0.24 10.97 1.6 0.65 1.09 1.15 4.35 4.73 3.21 3.21 3.27 3.99 3.09 2.12 3.81 2.71 5.34 2.58 2.28 2.98 2.48 3.43 2.02 2.92 1.94 2.06 1.2 2.09 3.5 1.34 1.78 0 2.41 2.29 1.7 1.88 1.27 2.56 1.16 0.87 1.51 1.16 2.34 0.75 0.6 3.38 1.85 1.02 0.92 0.85 1.12 2.41 1.13 0.58 0.83 1.26 0.09 6.57 1.6 1.08 1.24 4.66 3.95 3.73 3.8 3.9 2.56 8.35 3.48 1.78 4.27 4.32 5.36 3.08 2.29 3.49 3.1 4.1 2.6 2.9 1.47 3.61 1.65 3.1 3.05 1.89 4.44 2.41 0 4.36 2.38 6.16 2.47 2.06 1.3 0.72 1.45 1.1 3.16 1.25 0.79 1.35 1.84 1.1 1.07 0.72 1.25 3.13 1.54 0.84 0.74 1.25 0.08 4.64 0.96 0.31 0.62 5.78 1.06 1.15 0.98 1.07 0.79 4.26 1.43 0.41 1.42 1.27 2.44 1.89 1.11 1.15 1.41 0.84 1.86 0.68 0.58 2.18 0.49 1.51 1.6 0.94 4.97 2.29 4.36 0 0.72 11.59 1.69 1.11 0.45 0.35 1.72 1.2 4.32 1.3 1.27 4.25 2.9 0.94 0.51 0.54 0.87 6.89 3.99 0.44 0.22 0.91 0.04 0.92 0.48 0.15 0.13 6.19 0.7 0.41 0.35 0.53 0.57 3.69 0.99 0.35 0.74 0.47 0.85 0.83 0.84 0.58 0.85 0.61 2.07 0.45 0.86 1.47 0.26 0.67 0.88 0.79 4.13 1.7 2.38 0.72 0 5.4 2.03 2.69 0.64 0.56 1.69 1.6 3.61 1.11 0.82 2.26 3.12 0.99 0.65 0.72 0.81 10.06 1.74 0.63 0.23 1 0.06 4.78 0.99 0.34 0.52 1.59 1.66 1.27 1.53 1.85 1.3 2.59 1.54 0.81 1.7 1.48 1.79 1.55 1.22 1.45 1.49 1.73 1.03 1.17 1.14 2.1 0.66 1.18 2.02 1.4 3.96 1.88 6.16 11.59 5.4 0 2.01 1.46 1.22 0.68 1.69 1.25 2.72 0.7 0.8 2.67 2.18 1.13 0.64 0.74 1.79 3.68 0.99 0.48 0.38 1.02 0.09 1.34 0.29 0.17 0.13 1.29 0.49 0.51 0.42 0.76 1.09 0.81 0.71 0.4 0.76 0.5 0.58 0.63 0.75 0.59 0.75 0.72 0.57 0.48 0.4 1.38 0.38 0.67 0.99 0.6 2.56 1.27 2.47 1.69 2.03 2.01 0 0.65 1 0.6 1.7 1.15 1.83 0.84 1 1.63 1.57 0.79 0.6 0.63 0.59 2.61 1.08 0.39 0.26 0.8 0.06 2.28 3.95 0.58 0.97 1.27 5.88 0.98 0.8 1.15 1.02 1.13 1.24 0.65 1.33 0.95 1.01 1.35 1.18 1.35 1.11 0.93 0.78 0.91 0.56 2.23 0.75 1.44 1.33 0.85 4.71 2.56 2.06 1.11 2.69 1.46 0.65 0 0.95 1 1.55 1.47 2.78 1.12 1.04 2.98 2.69 1.35 1.1 1.5 1.41 3.02 1.34 0.49 0.72 1.46 0.09 8.98 0.21 0.2 0.08 0.78 0.54 0.37 0.45 2.38 3.81 0.53 1.09 0.61 0.71 0.35 0.46 0.97 1.2 0.52 0.6 0.58 0.41 0.5 0.34 1.01 0.24 0.5 0.6 0.68 3.49 1.16 1.3 0.45 0.64 1.22 1 0.95 0 1.23 1.73 2.11 2.44 0.82 1.02 2.72 3.66 1.95 1.48 1.7 1.2 5.18 1.52 0.49 0.33 1.23 0.07 3.88 0.21 0.11 0.06 0.6 0.56 0.33 0.34 0.59 0.94 0.42 0.69 0.42 0.53 0.3 0.35 0.59 1.38 0.53 0.48 0.48 0.36 0.43 0.33 0.94 0.21 0.35 0.7 0.64 1.68 0.87 0.72 0.35 0.56 0.68 0.6 1 1.23 0 6.11 1.51 1.84 0.69 0.88 2.5 2.65 1.76 1.37 1.52 0.9 3.91 1.07 0.34 0.25 2.78 0.06 2.17 0.44 0.3 0.42 0.99 1.17 1.29 1.06 1.18 1.36 1.58 1.27 0.84 1.55 1.17 1.61 1.51 2.64 1.8 1.4 1.32 1.03 1.18 0.95 1.61 0.99 1.7 1.9 1.13 2.74 1.51 1.45 1.72 1.69 1.69 1.7 1.55 1.73 6.11 0 2.61 2.77 1.53 2.54 2.2 2.59 1.89 1.69 1.77 1.87 3.53 1.42 0.61 0.74 1.85 0.15 7.2 0.31 0.22 0.18 0.79 0.98 0.86 0.81 1.19 1.49 1.27 1.11 0.88 1.15 0.81 0.95 1.2 2.25 1.52 1.23 1.14 1.05 1.01 0.91 1.29 0.79 1.25 1.09 0.94 2.16 1.16 1.1 1.2 1.6 1.25 1.15 1.47 2.11 1.51 2.61 0 3.04 1.58 2.43 2.28 2.97 1.79 1.49 1.42 2.49 4.02 1.48 0.7 0.59 1.32 0.14 1.18 1.59 1.06 1.49 1.66 3.59 3.62 2.77 3.09 2.76 4.86 2.79 1.99 3.73 3.15 4.46 3.27 3.03 3.92 3.17 3.21 2.59 2.9 2.37 4.02 2.49 2.78 3.17 2.1 3.07 2.34 3.16 4.32 3.61 2.72 1.83 2.78 2.44 1.84 2.77 3.04 0 4.28 7.38 4.27 4.28 2.21 2.02 2.23 2.92 3.35 1.77 0.96 1.41 2.7 0.43 24.94 0.28 0.21 0.24 0.58 0.71 0.61 0.52 0.71 1.04 0.94 0.69 0.38 0.7 0.52 0.62 0.54 0.75 0.61 0.58 0.63 0.5 0.6 0.4 0.75 0.27 0.62 0.82 0.71 1.21 0.75 1.25 1.3 1.11 0.7 0.84 1.12 0.82 0.69 1.53 1.58 4.28 0 7.27 2.58 2.84 1.1 0.74 1.15 1.43 3.23 0.98 0.36 0.73 0.92 0.1 0.73 0.19 0.13 0.11 0.69 0.48 0.33 0.39 0.61 0.94 0.75 0.58 0.33 0.51 0.37 0.39 0.53 0.78 0.43 0.55 0.58 0.5 0.6 0.79 0.93 0.41 0.43 0.7 0.81 1.23 0.6 0.79 1.27 0.82 0.8 1 1.04 1.02 0.88 2.54 2.43 7.38 7.27 0 4.49 3.81 1.86 1.03 1.17 0.53 5.67 1.65 0.28 0.35 1.23 0.2 0.7 0.48 0.38 0.43 0.95 2 1.92 2.14 1.93 2.16 2.44 1.74 1.41 2.22 1.79 1.52 1.87 1.61 2.03 1.98 2.22 1.67 2.05 2.73 1.86 1.06 2.24 3.11 2.56 2.42 3.38 1.35 4.25 2.26 2.67 1.63 2.98 2.72 2.5 2.2 2.28 4.27 2.58 4.49 0 3.25 2.9 2.19 3.01 1.99 2.27 1.7 1.05 2.62 2.54 0.39 1.83 0.69 0.45 0.55 2.06 3.31 2.48 2.53 3.34 3.2 4.23 5.09 3.32 3.51 2.51 2.08 2.14 3.75 3.13 3.31 3.86 3.44 2.79 2.7 2.32 1.5 2.9 2.17 1.83 2.91 1.85 1.84 2.9 3.12 2.18 1.57 2.69 3.66 2.65 2.59 2.97 4.28 2.84 3.81 3.25 0 4.06 2.59 3.42 1.98 4.37 1.73 0.73 1.47 2.13 0.23 10.6 0.27 0.2 0.13 0.94 0.84 0.76 0.87 1.11 1.33 1.2 1.25 0.92 1.19 1 0.89 1.02 1.53 1.02 1.1 1.09 1.1 1.06 1.05 1.26 0.7 1.72 1.74 0.89 1.7 1.02 1.1 0.94 0.99 1.13 0.79 1.35 1.95 1.76 1.89 1.79 2.21 1.1 1.86 2.9 4.06 0 1.93 2.37 1.04 3.78 1.61 0.47 0.55 1.15 0.08 1.55 0.33 0.16 0.12 0.97 0.68 0.49 0.41 0.78 1.05 0.8 1.2 2.03 0.89 0.64 0.66 0.79 2.17 1 0.9 1.31 1.24 0.71 0.77 1.39 0.39 0.54 0.79 0.72 1.96 0.92 1.07 0.51 0.65 0.64 0.6 1.1 1.48 1.37 1.69 1.49 2.02 0.74 1.03 2.19 2.59 1.93 0 1.34 1.35 3.4 1.12 0.66 0.43 0.91 0.05 2.44 0.19 0.12 0.08 0.59 1 0.45 0.43 0.78 1.11 0.64 1.11 0.86 0.78 0.51 0.44 0.76 1.11 0.77 0.64 0.87 0.51 0.77 0.45 0.79 0.19 0.49 0.67 0.78 1.63 0.85 0.72 0.54 0.72 0.74 0.63 1.5 1.7 1.52 1.77 1.42 2.23 1.15 1.17 3.01 3.42 2.37 1.34 0 0.87 3.85 1.42 0.26 0.33 1.16 0.05 0.31 0.49 0.28 0.21 0.79 0.92 0.78 0.46 0.84 0.97 0.8 0.97 0.52 0.95 0.61 0.89 1.2 1.48 1.55 1.14 1.12 0.69 0.8 0.41 1.16 0.63 0.84 1.57 0.68 2.14 1.12 1.25 0.87 0.81 1.79 0.59 1.41 1.2 0.9 1.87 2.49 2.92 1.43 0.53 1.99 1.98 1.04 1.35 0.87 0 2.32 0.88 0.47 0.7 1.2 0.06 1.51 0.84 0.61 0.58 2.74 3.61 2.5 2.85 3.73 4.2 5.47 3.75 3.65 3.59 3.31 2.57 2.87 3.11 3.08 3.13 3.97 3.44 3.08 3.51 2.78 2.14 4.64 3.03 2.35 3.26 2.41 3.13 6.89 10.06 3.68 2.61 3.02 5.18 3.91 3.53 4.02 3.35 3.23 5.67 2.27 4.37 3.78 3.4 3.85 2.32 0 2.09 1.1 2.04 2.51 0.3 17.9 0.42 0.3 0.2 1.49 1.23 0.68 0.97 1.53 1.32 1.81 1.36 0.85 1.08 0.86 1.23 1.04 1.07 0.91 1 1.1 1.04 0.94 0.74 1.62 0.74 1.36 1.39 0.91 1.96 1.13 1.54 3.99 1.74 0.99 1.08 1.34 1.52 1.07 1.42 1.48 1.77 0.98 1.65 1.7 1.73 1.61 1.12 1.42 0.88 2.09 0 0.63 0.95 1.13 0.16 0.68 0.37 0.15 0.13 0.67 0.55 0.35 0.34 0.5 0.54 0.56 0.51 0.45 0.42 0.37 0.43 0.41 0.55 0.45 0.45 0.46 0.32 0.39 0.46 1.13 0.4 0.69 0.7 0.34 1.05 0.58 0.84 0.44 0.63 0.48 0.39 0.49 0.49 0.34 0.61 0.7 0.96 0.36 0.28 1.05 0.73 0.47 0.66 0.26 0.47 1.1 0.63 0 0.25 0.55 0.05 0.46 0.43 0.1 0.09 0.66 0.56 0.3 0.18 0.39 0.39 0.34 1.01 1.9 0.4 0.26 0.32 0.35 0.53 0.26 0.32 0.24 0.18 0.62 0.15 0.89 0.19 0.45 0.5 0.37 2.21 0.83 0.74 0.22 0.23 0.38 0.26 0.72 0.33 0.25 0.74 0.59 1.41 0.73 0.35 2.62 1.47 0.55 0.43 0.33 0.7 2.04 0.95 0.25 0 0.72 0.03 0.11 0.65 0.37 0.36 1.17 1.14 1.52 0.9 1.13 1.35 1.28 1.37 0.74 1.37 0.96 1.28 1.02 1.14 1.1 1.01 1.1 0.74 1.08 0.89 1.71 0.81 2.31 1.23 1.07 2.35 1.26 1.25 0.91 1 1.02 0.8 1.46 1.23 2.78 1.85 1.32 2.7 0.92 1.23 2.54 2.13 1.15 0.91 1.16 1.2 2.51 1.13 0.55 0.72 0 0.17 6.99 0.03 0.02 0.01 0.09 0.07 0.05 0.02 0.06 0.07 0.06 0.1 0.03 0.08 0.04 0.09 0.14 0.11 0.1 0.1 0.11 0.05 0.05 0.03 0.1 0.04 0.03 0.1 0.11 0.24 0.09 0.08 0.04 0.06 0.09 0.06 0.09 0.07 0.06 0.15 0.14 0.43 0.1 0.2 0.39 0.23 0.08 0.05 0.05 0.06 0.3 0.16 0.05 0.03 0.17 0 0.01 1.35 0.33 0.19 8.65 0.96 1.18 0.3 4.35 1.04 2.1 2.69 3.75 0.86 0.48 1.07 1.12 2.1 1.3 0.91 0.72 0.51 0.41 3.69 16.03 3.28 0.27 1.75 1.1 10.97 6.57 4.64 0.92 4.78 1.34 2.28 8.98 3.88 2.17 7.2 1.18 24.94 0.73 0.7 1.83 10.6 1.55 2.44 0.31 1.51 17.9 0.68 0.46 0.11 6.99 0.01 0 全部 56 个 行业的关联矩阵

24 .纺织业的全球价值链关联变化 1995 年 2014 年

25 .金融服务业的全球价值链关联变化 1995 年 2014 年

26 .金融服务业的全球价值链关联变化 1995 年 2014 年

27 .基于计算机模拟的选举结果预测 传统的选举预测几乎全部都是依赖于民意调查。 但是，名义调查有四个无法解决的偏误 抽样偏误 被调查者中的回答者的自我选择偏误 被调查者中的回答者的有意的误导回答 个人的支持偏好不一定会变成真正的选票 我们发展了一个完全不依赖于选举前民意调查的，而是基于计算机模拟的选举预测平台。 2016 年我们发布了我们对我国台湾地区的领导人和“立法院”选举的预测结果。

28 .模拟系统：流程图

29 .预测我国台湾地区的选举结果 -I “ 总统 ” 选举得票率预测