描述性分析方法
如前所述，描述性和预测性研究是两类主要的情报分析和研究活动。正如区分描述和预测没有意义一样，区分描述方法和预测方法也同样如此。回想起来看，严格地讲，预测性研究这一术语应限于那些建立和验证概念模型的活动，用于解决未来问题。但为了建立模型，就必须首先描述用于模拟的现象。简言之，描述是所有情报研究的基础。
各种用于或可用于战略情报生产的方法。用于描述或分析目的的方法，或用于预测目的的常见方法一一尽管这些方法基本上是描述性的，有些方法还涉及建立概念模型。严格地讲，通过建立、验证和应用这些概念模型来解决各种问题使其具备了预测研究的特点。可能既适用于描述研究，也适用于预测研究，但它们更多用于预测。
【一个辩证的思想过程。。。】
【多元未来的产生”(The Generation of Altermative Futures）的方法就是一个例子，此方法不涉及任何建立和验证概念模型，其结果是呈现(描述)未来可能存在的场景，一旦某些事件发生，这些场景就会出现。但是，这种方法针对的是与未来有关的问题，而不是描述当前的情况】
关于如何将各种方法具体用于解决各类情报问题的做法，并不在本文讨论的范围之内，原因在于，要充分地描述任何一种方法，可能都需要一整本书的篇幅。就这一点而言，本文应该是对各种具有代表性的方法的综述，至于每种万法具体如何应用，可参考引用的文献自行撰写。
一、类比:一种常用的分析模型
情报分析中应用最广泛的工具之一就是类比。类比是构建很多预测模型的基础，是很多假说的基础，并且不管正确与否，类比也是概括现象另一面会做什么及怎么做的基础。简言之，类比可用于分析两种事物的实际共性或假设共性。在前面所举的一个例子中，分析或研究人员会推渐，由于两种飞机具有很多共同点，因此它们的设计目的也应该相同，即用于履行类似的任务。
【用已所有的事物及其特征，推到出相关过程/相关事物的特征】
类比方法的效果各异，主要取决于我们对两个对象、事件或状态之闻的共性了解多少。除了表面的外部共性，如果我们还知道两种飞机使用类似的发动机，知道一个发动机的性能特点，就可以比较可靠地推断出“末知”飞机的性能。该论证的有力性在于这样一个事实，即飞机的性能在逻辑上取决于其发动机的性能。正是由于我们能够建立因果关系或特质和性能之间的不变关系，我们才能最终决定类比的效果。
在基于相关特质推断未知飞机性能的实例中，其论证过程基于类比的推断的关键应该围绕可用于建立共性的基础。基于类比的论证的“说服力”在于它可以建立起什么样的联系 (或“形成关联”)，如果某个已知状况和某个具体结果之间联系紧密，那就提供了一个很好的基千类比形成关联的理由。但基于类比的推断的一个重要组成部分是，我们还需要考虑两种现象在状况、特质、特点等方面的不同之处。情况很可能是，不同之处如此之多，即使确实存在共性，也已经微不足道了。
【relation！relation！relation！】【强类比】
类比广泛应用于多种情报分析，从军事情报、政治情报到商业情报。例如，美国主要汽车制造商一看见对手的汽车模型出现在样品陈列室，马上就购买回来，拿到实验室进行彻底的系统拆卸。接着对每一个零件一无论其看起来是否显眼，进行严格的估价，再把所有零件的价格加起来,就可以代表生产一辆车的材料成本。在此基础上，加上企业的一般管理费用、劳动力成本以及利润率一一利润率在该工业系统内大体一致。然后基于类比进行推理，即假定生产商生产或购买零件的费用与另一生产商使用同样零件的费用相同，那么这些主要汽车制造商就可以估计出对手生产前位产品的费用，是否采取了某些节省费用的措施，以及每个单位产品的销售利润是多少。
该例(也是一个类比) 在战略情报中的应用也不难想象，但是在情报生产中，该问题难在如何建立货币的对等关系。通用汽车、福特汽车和克莱斯勒公司使用同样的货币，但是，要确定人民币或卢布与美元的兑换率却是两码事。
【我国核潜艇的发展历程中，或多或少小模型的作用不容忽视。。】
类比可以是经济类比(如刚刚所举的例子)、实体类比(如飞机性能比较的例子)或者历史类比[马克斯·冯霍夫曼(Max vonHoffman)通过分析两位俄罗斯将军的早期行为来预测他们以后的行为]。类比推理在经济情报和科技情报中很常见，在政治情报、人物像记情报和武装部队情报工作中使用相对较少。这一方法非常有用，但使用时需要谨慎，我们往往会因为发现现象间的一些表面相似性而兴奋不已，很容易就忽视了同样存在的明显差异。
【所信者，听也。而听犹不可信；蚍蜉不可撼树者，所相依也】
二、联系分析
联系分析(link analysis)是明确事物关系的分析方法，起初应用于人为因素研究，后来也用于分析社会问题。运用该方法时，需要创作一个关联矩阵(association matrix)和一个基于该矩阵的联系图表。基于各种情报报告的关联矩阵显示了多个人物间已敲证实的和疑似的关联。其中，实心圆代表强联系(已被证实的关联)，空心圆代表疑似的关联。(没有圆代表没有已知或疑似的关联。)
在此矩阵的基础上，可以绘制一个联系图表，实线代表强(或已被证实的) 联系，虚线代表弱(或疑似的) 联系，没线则代表没有建立任何关联。如果在人员关系上再附加组织机构，该联系图表的作用将得到进一步加强。
联系分析可用于构建推断出的组织结构或互动结构，并可在将来被检验该方法对于建立假说十分有用，可用于解决各类情报问题，包括武装部队情报 (如作战序列)、政治情报和社会情报。
三、社会关系计量学
社会关系计量学是一种形象描绘某一群体内部结构关系的方法，可用于解决社会心理学问题。组织图 (organizational chart) 可以描述一个组织内部的正式关系，但它无法显示哪个人与哪个人进行了实际交谈。社会关系计量描述(社会关系分析图) 可以确切揭示实际的交流互动路线的模式。如果可以接近某个人群，就可以直接通过观察测量他们的交互程度或者采用对人群成员开展问卷调查的方法加以测量；但是，情报分析或研究人员尤其感兴趣的人群往往是研究人员很难接近的人群。因此，一些比较传统的测量方法无法应用。
一种简单的社会计量方法，可以是计算某位政府官员在一次正式招待会上与其他官员的交流情况。(但应该知道，这一行为的社会关系分析图的价值存在疑问，因为正式招待会这样的场合往往存在假象，重要人物可能出于礼节与一些不重要的人物进行交谈。) 另一种简单的社会计量方法是，计算某些人名在国家监督的媒体中出现的次数，当然还应考虑媒体对待人名的方式，即正面还是负面的报道。这类分析假定，人名出现或提到的次数与其重要性存在直接相关。
【电视台中没出现的，是谁呢？？？】
在行为可被观察的情况下一一如研究人员对通信量的分析一一记录谁和谁交流以及谁先发起交流，可以记录下观察到的信息。
观察到的信息在发送者和接收者矩阵的交叉点首先以对勾做了标记，这些对勾在第二个矩阵中转变为 1和0。
如果要用矩阵乘法来确定各发送者和接收者之间的间接联系次数，这种表示很有必要。例如在上例中，如果使矩阵形成方形、那么新矩阵的联系元素 (a'ik)将是:
如上所示，元素aI2=0x1+1x 0+0x 0+1x1=1。也就是说，元素1和元素2只有一次间接联络。(元素 4 充当中间联络，即1-4-2，但是通过检查可以发现，元素 1和元素 2之间还有一次直接联络。当然，这一举例比较简单，它们的联系可以毫不费力地直接从社会关系分析图中确定。但是，如果元素数很多或者分析人员想要确定各元素间为不同联络程度，矩阵乘法将十分必要。
另一简单的社会计量方法是，基于某个人与领导的亲近程度评估这个的重要性。
社会计量方法可用于分析政治情报、社会情报和军事情报(如作战序列、交通分析)，还可用于分析人物传记情报。
四、博弈论
博弈论是关于决策参与者处于冲突或竞争环境时的理论。在竞争环境下每个参与者试图“对行动施加影响”，以便使事情的结果对自己最有利。博弈论使决策者能够根据每个参与者的可选方案和每个方案可以实施的“法则”，选取一种最佳行动方案。最佳行动方案指的是，使该参与者的成功概率最大化而失败或损失概率最小化的方案。
根据比赛的次数和结果的特征，可以对博弈进行分类。根据比赛结果，博弈分为零和博弈与非零和博弈。零和博弈指一方完全“赢得”而另方完全“失败”(与“赢得”等值)的博弈。如果用现实中的冲突形势来解释博弈理论这一术语，无条件投降便是零和博弈的一个例子，而“协商解决”则是非零和博弈的一个例子。
【你死我活的零和博弈啊（悲叹）】
决策者、裁军谈判者、计划制订者和战场指挥官都可能采用某种形式的博弈论。例如，当战场指挥官要对形势做出估计，然后选择适当的行动方案时，会使用博弈论。对形势的估计可以通过数学上的矩阵表现出来但在战场上很少这么做，数学描述的优势在于它有时可以使最佳策略显而易见，而如果不使用数学描述，人们就可能注意不到。
一个关于各种策略运用及其获益的基本实例可参见以下矩阵图。蓝方可用的策略和获益见横行所示，红方可用的策略和损失见竖列所示。策略1对于蓝方可能产生的获益是7或者5，而策略2可能产生的获益是5或3，从最大获益的观点来看，策略1更有利于蓝方。但红方同样可以影响事情发生的结果，例如，如果红方选择策略1，就会损失7或者5;但是，如果选择策略2，其损失就降为5或3.策略2显然更有利于红方。在策略2中，红方的损失不会超过5，甚至还可以低至3。
本例中，最有利于双方的选择方案应该是将蓝方的策略1和红方的策略2结合起来，这样既可以保证蓝方的获益至少为 5，也可以保证红方的损失不超过5。如果一个值在横行中为最小值，在整列中为最大。该信就称为鞍点 (saddle point)，在冲突条件下，鞍点是谈判中双方均能获得大利益的点。如果该获益矩阵实例中包含其他值，就不存在:在这种情况下，每个参与者都应采取混合策略，即在一定时向比例内只用一个策略，以使其获益最大化而损失最小化。
参与者采用一个策略的时间比例可以通过以下方式算出。
(1)每个参与者算出采用每个策略获益的绝对差 (absolute difference)。对蓝方来说7-3=4，5-6=1，对红方来说，7-5=2，3-6=3。
(2) 求每个参与者的获益绝对差的和。
(3)每个参与者计算每个策略所占的比例，并将该比值分配到替代策略上。因此，蓝方应分配给策略1的时间比例是5，策略2的时间比例是 4/5。相反的，红方分配给策略1的时间比例应为 3/5，策略的时间比例则是2/5。
假如蓝方总希望获得最大获益而红方总希望它的损失最低，蓝方的期望获益可通过将竖列1 中的值乘以其每个策略的时间比例，也就是用以下方程算出：
（7*1）/5+（5*4）/5=27/5
竖列 2 的运算如下，与竖列1结果相同：
（3*1）/5+（6*4）/5=27/5
同样，红方的预期损失也可这样计算出来，见以下两个方程：
（7*3）/5+（3*2）/5=27/5
和
（5*3）/5+（6*2）/5=27/5
由于这是一个零和博弈，从长远来看，红方的损失和蓝方的获益是相等的。采用混合策略解决问题时，要实现上述计算的博弈获益，就必须随机抽取每一个策略。
对于不熟悉博弈论的读者来说，一个看似简单的博弈竟然变得如此复杂，难免有些令人惊讶。例如，在“猜拳”游戏中，两个游戏者出1、2或3根指头，同时猜测对手会出的指头数，每个游戏者有9种选择策略，双方的获益把握均为81。在“演习”中，一架满载各种电子设备的飞机被派去(象征性地) 追赶另一架装载各种电子探测器和火控装置的目标，可选策略和获益的组合 (即使飞机在不被发现情况下，优化其到达目标的各种机会的组合) 结果如此之多，以至于要找出最佳组合，可能需要借助计算机进行运算。正因为如此，一些重要的军事演习常会运用到计算机。
【每个参与者都有9种策略，因此，可建立一个由9行9列组成、共81个获益方形的矩阵】
博弈论涉及很多数学运算，其创立者约翰·冯·诺伊曼和奥斯卡·摩根斯坦的初衷是解决经济领域中的冲突。但自从他们的著作《博弈论和经济行为》出版后，博弈论也被用于解决军事和政治冲突。解决政治和经济问题最受欢迎的基本非数学博弈论方法也许在托马斯·克罗姆比·谢林所著的《冲突的战略》中可以找到。博弈论是涉及冲突 (比如军事演习)的模拟的基础。尽管博弈论本身不是一种预测方法，但它的应用的确可以帮助研究人员预测适合每个游戏参与者的各种策略。假如所有说戏参与者都非常理智，并且会选择极小极大解一一使损失的可能性最小化而成功的可能性最大化的解决方案一一博弈论可作为基础来预测一定冲突条件下的结局。
【从传统桌面走向数字信息化的兵棋推演。。。】
五、军事演习
军事演习是在冲突环境中交替使用各种战术和策略的实验。演习的参与者经常会用到博弈论，但博弈论和军事演习并不是一回事。博弈论涉及的是选择各种最佳策略的方法，军事演习涉及的则是如何针对冲突环境下的各种局限而采用不同的策略。总而言之，博弈论为军事演习提供理论基础，我们还可以在演习之外的其他情况下使用博弈论，同时，无须对结果进行数学分析，军事演习同样可以进行。
讨论军事演习时会使用到三个术语 :比赛、模型和模拟。简单地讲，比赛指的是按照规则进行的一场竞争，其结果取决于技能、实力或机会比赛主要是一些虚拟的代表性冲突，其中不会有人员伤害，但人们可以得到一些经验。模型代表的是一个对象或过程，例如，伪装物是真实武器的模型，流程图是过程的模型。最后，模拟指的是对过程的动态模仿:换句话说，模拟是动态的模型。
军事演习可以按照其深度进行分类。部队在山地实施对抗和交战的实地演习代表军事演习这个连续体的一端，计算机模拟对抗代表该连续体的另一端，处于该连续体中间的是任何数量的现实和虚拟相似体的组合。指挥所演习 (CPX)可以看作军事演习，但除了设有指挥所，并没有对所隶属部队的实际调遣。演习中的“敌人”可能是实施“侵略”的人，或者仅假是写在纸上或显示在电子屏幕上的部队标志符，及用数字表示的参加者的实力。演习的结果可以由地面演习评判教官作出决定，他通过观察演习行动，然后公开给出客观的评价，还可以根据一些理论模型(最好是经过验证的模型)，通过对各种变量的数学调控得出结论。
【好的教具，兵棋】
一场演习的性质通常会决定演习设计步骤的性质。例如，演习可以是人与人之间的演习，会涉及部队的实际调遣;它也可以是一次计算机辅助的演习，可能是在地图上进行，计算机行使与演习相关的任务一一像打分、采用技巧和计时的任务，它还可以是人机间的演习，机器根据所提交的数值、所使用的战术和战略以及所编人计算机的作战规则，作出评估和给出结果。
在第一种演习中，会预先准备相关想定并交给演习参与者，想定可描述作战双方(或多方)的总体形势，也许还包括总体作战序列和各自的任务以及演习规则。收到总体规划后，部队就会奔赴战场，反方部队的随行演习评判教官会进行打分、所采用技巧和其他手工记录工作。计算机辅助演习和人机演习则需要提前准备一系列代表冲突中的各个子元素的数学和逻辑模型，如一个地对空导弹模型或反潜战模型等。开展这类演习需要进行一系列步骤:
(1)界定获取的行动，
(2) 按照重要性识别和区分各种变量;
(3)识别和量化变量间的关系，
(4) 设计模型 (首先以流程图形式)，然后将模型转变为计算机指令，
(5)详细规定这些模型的使用利弊，就此进行计算机编程，
(6)搜集实际数据以获得这些变量的现实数值和证实数据的有效性
(即判断模拟冲突能否产生与真实冲突环境下同样的结果)。
涉及国际冲突的军事演习就算不需要几年，也需要几个月的准备时间，为的是开发出整合冲突中无数子元素的模式，如军队、政治和经济因素及其相互作用。军事演习的典型特征是越来越全球化，因而也更具有笼统性，因为仅仅开发一个一般的非主要冲突元素的费用就相当昂贵。并且，演习本质上越来越复杂，需要整合无数的子元素。
至于军事演习的预测价值，之前关于博弈论应用的讨论在这里也适用，军事演习只能够决定一个事件在给定的变量及其使用规则的情况下.该事件发生的统计概率。在海军战争学院进行的一次为期一周的军事演习中，演习的结果取决于蓝方部队发现红方地面部队，但蓝方的侦察机没能发现红方部队，于是，在接下来的战斗中，蓝方“战败"。那些既能看到红方和蓝方，又能看到主显示屏(演习参与者看不到) 的人发现，上述关键的单机侦察飞行的成功取决于模拟计算机的一次操作，而仅仅靠执行一次计算机程序(或类似于掷骰子) 几乎无法使人坚信红方的部署和战术就优于蓝方，但它的确使人认识到了那次侦察任务的重要性。
然而，军事演习通过找出哪些变量对演习结果产生重大影响，可以起到极好的诊断作用。除了作为训练机制和研究工具的价值，军事演习还用于评估各种行动方案，以便得出关于计划和政策的结论。
六、线性规划
目标有时可以表述为以尽可能少的投入或风险达到尽可能多的赢利。例如，一个投资者想要从他的投资中获得尽可能多的美元收益，一个生产商想要以最少量的材料生产出尽可能多的设备，一个购买者则想以最少的资金购买到最多或最好的商品。线性规划是一种可以使我们找到满足目标(目的)的最大或最小化点(最佳点) 的方法。
几乎所有作业(或机构) 都存在时间和资源使用的有限或局限性，如果每种局限都可以用一个线性方程（y=ax+b）表示，就可以应用线性规划来找到一个最佳解决办法。
例如，一位心理战部队指挥官正在操作其战略无线电广播设备他可以使用线性规划，以便在某些操作受限环境下获得最大数量的在收听者。他的基本目标是使尽可能多的目标听众收听评论，因为心理战“信息”会在该评论中播出。但是他明白，赢得和抓住目标听众注意力最好的方式是播放古典音乐和流行音乐，因此，评论应该插据在音乐中间。
如果一个广播日由音乐播放时间和评论播放时间交替组成，每种广播的合适时间比例可以通过解一道简单的线性规划题得到答案。首先，作战军官记下他的一个播出日时长为 12 小时，这 12 小时要播放两种广播。广播日的计算用方程表示：12>=x+y;其中x是每天的评论播放时间，y是音乐播放时间。
该节目日的另一个限制规定是，每小时的评论播出时间必须不少于5分钟但不超过 10分钟。要将这些限制规定绘制出来，就必须将它们转化同样的单位(小时)。描述这些规定的两个方程分别为方程：x>=1和方程:y<=2)，每小时播出5分钟就等于每 12小时播出1小时，每小时播出 10分钟等于每 12小时播出2小时。
最后，准备广播报道的工时也有限。每天的工作时间为 18 小时，其中准备1小时音乐需花费1个小时，但准备 1小时评论需花费5个小时，事实上，每小时广播的准备时间为 15 个小时左右，但一般认为每条信息要播3遍)。计算这一限制的方程是方程：18>=5x+y。
在明确所有限制条件后，它的最初目标必须以共同的单位来表示(此处是小时)。由于本例的目标是使尽可能多的听众收听本台节目，就必须考虑到什么样的节目吸引听众，本例中，一般认为音乐吸引并抓住听众的能力是评论的 20倍。因此，听众总人数应该为评论播放时间加 20 倍音乐时间，然后两者乘以一个常量函数，即 : N=K(x+20y)。
目标函数的容许解决方案点是那些落在所有限制条件上的交汇点。例如，多边形阴影区内的所有点及 B、C和D点，是容许的音乐和评论节目的交汇点。C 点在线x+y=12 上，即用完所有 12个小时的节目：它还在线 5x+y=18 上，即用完所有 18 个小时的工时。C点还落在规定的每小时5到 10分钟评论的范围内。
相反的，位于 A 点并不是一个有效的解决方案，因为没有分配任何时间进行评论，因此，违反了限制条件x>=1。它确实可以满足另外两个限制条件，如果放弃x>=1，它将是有效的解决办法。
线性规划理论还认为，位于可接受方案多边形角上的各点是目标函数的最佳解决方案。本例中五边形的 5 个交汇点是B、C、D、E和F。决定哪个点是最佳方案的唯一办法，是用方程 N=K(x+20y) 计算出每个交汇点的值。
显然，N值在B点(N=221K) 达到最大值。因此，如果节目包括1个小时的评论，或者每小时5分钟，再加上 11个小时的音乐节目，就实现了听众人数的最大化。B 点方案，尽管使用了一个广播日的所有 12 个小时，但并不要求有 18 个小时的准备时间，事实上，它只需16小时工时。
【5（1）+11=16】
本例中关于广播节目的解析比现实中的线性规划问题简单得多，但它包含了线性规划中的所有必要元素。总之，我们在应用线性规划解决问题时，必须考虑到以下这些因素 :
1.研究人员必须对某个事物进行优化(最大化或最小化)。
2.必须考虑到不止一种产品、商品或结果。本例中的产品是一个广播日内的节目安排。
3.用于生产商品或产品的资源必须有局限或限制条件 (在本例中，限制条件包括人力限制、一个广播日的限制，以及一个广播日内评论播出时间必须为 1一2小时的限制规定)。
4.所有的限制条件必须能够用线性方程表示
这个例子只涉及两种产品，但是线性规划可用于解决任何数量的产品问题，多数线性规划问题算起来复杂又费时，因此，最好的解决办法是使用计算机。美国国防情报学院的通用电气系统包含了解决线性规划问题的计算机编程。
有些优化问题涉及的限制条件无法用线性方程表示，但是可以用曲线表示。
七、回归分析与相关分析
解决问题十分重要的一点是能够识别各变量间的关系，回归分析和相关分析是研究变量间关系的两个极为宝贵的方法。回归分析是即将阐述的第一种方法，它使研究人员能够回答这样的问题:“当另一个变量增加或减少时，一个变量 (一种现象，如条件、许多事件等) 如何增加或减少?”例如，回归分析可用于确定某一道路系统的交通补给量随着降雨量的增加或减少的变化程度。
相关分析(如本书之前所述) 使研究人员能够回答这样的问题 :“两个变量的相关程度有多强?”例如，研究和分析人员可通过相关分析来确定，他对某一道路网交通补给负荷数量基于降雨量的评估有多少把握。尽管回归分析和相关分析经常密切关联，但它们测量的东西却不同。
为了说明回归分析和相关分析在情报问题中的典型应用，可以用一个国家的月通货膨胀率与针对政府的月暴力行为数量的关系进行举例分析.两个变量的数据为连续 10 个月的统计数据，数据按时间先后排序，但需要注意的是，某个暴力行为和通货膨胀率的具体时间没有纳入统计。尽管统计这些变量的时间也许很重要，但可以采用另一种分析方法加以分析。
如果将数据制作成图表后，分析人员就可以画出条线来代表数据之间的关系。他可以有好几种画线方法，最简单的方法是用直尺在点与点之间画一条直线，线的位置尽量接近图上的各点，但是这个方法存在不足:过于主观而不太可靠。不同的分析人员使用该方法会得到不同的结果，因此，它对于进一步分析相关度的强弱并不可靠。
绘制回归线最常见的数学方法称为最小二乘法。该方法之所以如此命名，是因为它规定该线条与实际y值的距离的平方和为最小。将实际yi值减去预测值 (yi-yi^)与y轴平行统计，得出的最方程与任何线条的方程相同，即方程 y=ax+b，其中的y是预测y值，x是实际值，a 是斜率(或y值的增长率除值的增长率)，b 是交点 (该线与y轴的交点)。
求a值和b值的方程:
尽管方程看似复杂，解起来却容易。分析人员知道了所有的Xi值和yi值，还知道 n=10 (即本例中的 10个月)，就可以计算数据的总和与乘积。这样，方程成为包含两个未知数的联立方程，它们可以通过基础代数解出。通过进行一些必要的替代，变成了方程 :
158=25.6a+10b
500=81.28a+25.6b
a值为6.067，b值为0.268，回归线方程就可以表述为方程:
y=6.067x+0.268
如果分析人员知道了x值，就可以用这个公式预测相应的y值。你如，如果告诉他下个月的通货膨胀率大约为 2.8，他就可以带入方程:
y=(6.067*2.8)+0.268
y=17.2556
分析人员使用方程y=ax +b的目的，是根据给定的x值预测值。如果想从给定的，值预测x值，正确的方程就是x=ay +b，本方程中的值和b值与方程y=ax+b 中的a值和b值不同。
在本讨论中，强调的是根据x值来预测y值，但从一个变量预测另一个变量并不就是说一个变量引起了另一个变量。通常，在确立一个变量的原因前，首先要分析多个变量间的关系。
通过回归方程建立关系后，分析人员也许想知道该线条对这组数据点的呈现如何。如果该线条包含了所有的真实数据点，那么可以说这些点完全相关，数据的相关系数就是 土1.0，另一个极端的情况是，绘制的数据点图看起来像一大团云，这组数据点的相关系数是 0.0。如果一个变量增加，另一个变量也会增加，那么相关系数就为正，如果一个变量增加而另个变量会减少，那么相关系数就为负。这两种相关都很重要
相关系数用下面的方程计算 :
看起来也很复杂，但是用之前算出的乘积与总和替换就非常容易了:
0.90 的相关系数表示相关性非常高，正如实际所显示的那样，没有距离回归线很远的数据点
如果分析人员想为y的估计值建立置信水平，他就必须计算该估计值的标准误差 (coy.x)。由于回归线周围的数据点为正态分布，可以说 68%的实际y值都在距回归线上下1coy.x的范围。
coy.x的计算方法：
代入：
假如下个月的通货膨胀率为大约 2.8%，要求分析人员预测可能发生的暴力行为数量。他可以首先计算方程y=6.067x+0.268，确定大约会有 17 起暴力行为最后，运用coy·x就可以指出，下个月发生 13-21起暴力行为的可能性为68%，发生9-25 起暴力行为的可能性为95%。
68%演算：
17.2556-1y.x=13.1306
17.2556+1y.x=21.3806
95%演算：
17.2556-1.96y.x=9.1706
17.2556+1.96y.x=25.3406
历史证明，民心动荡总是和经济不稳息息相关，这个实例确实表明了数据组间富有意义的相关性。但是有时我们会发现，高度的相关性也许并不真实。“有些人认为不能过分强调相关系数的价值，而认为分析人员可以给出最好的辩解，即他十分了解这些变量。
【例如，许多年间，英国牛津大学神学专业毕业生数量与澳大利亚某城市逮捕的卖淫者数量几乎完全相关（集体impart？？？）】
尽管这个实例中的数据组拟合为直线，但有时曲线而非直线更能描述变量关系，而用于产生曲线的数学表达式，在很大程度上比线性关系的方程式要复杂得多。
本例中只涉及两个变量，但回归分析和相关分析也会涉及三个或以上变量。例如，月通货膨胀率、每月的暴力行为数量以及大型企业的利润率都可以进行相关分析，几乎每本统计书都会讲到回归分析和相关分析。
八、作为分析辅助手段的图表
图表在印刷报告中或作为简报的辅助手段，它的价值是显而易见的，但我们也许还没看到它在数据分析中的价值。图表不只是将数字数据或文字变成图形，它常常还可以揭示变量间的关系，这些关系如果不用图表呈现出来也许并不是很明显。以下阐述的是图表在各种分析中具体应用的四个实例。
效用曲线
图表为分析提供直接帮助的一个例子是效用曲线。效用曲线常常在工商业中用于确定“收支平衡”点一一例如商业投资的收益点或生产某个商品的单位成本为最低的点。在大规模生产中，生产的第一件商品往往是最贵的，随着生产件数的增加，单位产品的成本会降低，直到达到某一点为止。效用曲线可以帮助分析人员确定这些点
效用曲线也可用于分析地缘政治问题。例如，多年来，A国一直每年为某个国家提供固定数额的经济援助，作为A国获取基本特权的交换条件，但现在，受援国开始限制给予A国的特权。如下图所示，该图描述了特权的价值与不同年份付出的定额货币的关系。所得特权的价值必须量化以与支出进行比较。总之，分析人员要将一些无形收益，如“国际亲善”或该受援国参加联盟带来的好处，转化成货币数字 (当然，有时要这么做并不容易)。
该图显示，与支出的费用相比，A国所享有的特权在第二年急剧下降，被照估计，它所计划投资的收益会持续下降，但下降速度会比较缓慢在本例中，图表比一组数据更能表现数据的特征，但该图还有别的用途。如果知道了受援国的政治和军事目的，就可以为其绘制一个类似的曲线。例如，它也许需要一定的物资来部分装备其军队，如果购买这些装备的资金大部分来源于A国换取基本特权所提供的信贷或款项，那么该国的目标进程可以绘制成图表 ：
该图显示，两线相交的地方是受援国的获益(转换成货币或其他效用、能够体现其能力的获益)开始剧增的时候，该交点也代表超过了这一点，A国就认为对该国的投资不再具有经济效益。该交点至少显示，在这时谈判也许会更有成效。
【在博弈论术语中，该交点大致类似于鞍点】
本例中，只表现了一个“收益”值。但这个单值代表的也许是许多单种成分的集合。通常情况下，更简单且更有效的做法是分别绘制这些成分的效用值，而不是将它们用一个值来代表。
用于比较的条形图
如前所述，数据图有时可以揭示在其他数据形式下无法显示的信息。具体实例如下:将 X年X国连续两周的国际和国内广播电台的主题报道绘制成表，表格数据按主题区分。如果将同样的数据绘制成图，则可以立刻显示出某些主题的国内报道和国际报道的时间分配不同。例如，“意识形态宣传”主题占针对国际听众节目的34%，但只占针对国内听众节目的 14%。相反的，“展示成就”的主题占到国内节目的49%，但只占国际节目的 18%。
【图片过审不易，资料不公开展示！！！】
212.169.34.56
地形剖面图
地形剖面常用于确定直接火力武器无法到达的区域，也用于视线发挥关键作用的其他情况。例如，电信分析人员想确定需要建多少个微波中继塔以保证微波信号在两个城市之间传输。塔之间的最大传输范围是 90千米，且塔与塔之间应在直接视线 (directline-of-sight)内，根据这一要求，分析人员可以确定北本(Ban Pak) 和华欣(Hua Hin)之间需要建设 7个中继塔。这个地形剖面图的比例是放大的，由建塔站最可能路线的一些点延伸垂直线绘制而成一一该路线利用地形的最高处，从而使受到的“屏蔽”最小。
趋势分析
图表在趋势分析中尤其有用。例如，报道的高峰期在5月和6月接下来就可以根据过去事件发生的顺序找出这两个高峰期的可能原因。然而，有时分析或研究人员会被要求判断绘制的数据图预示了什么重要或异常的事情，如果能获得过去同时期的数据，可以将两图重叠(或组合为一个图)来直接比较。示例图表显示当前“趋势”与以前趋势”无太大差别。
图表还可用于绘制工程完成的时间节点。例如，要修建从A到B的铁路（有坐标），如果工程进展速度已定，就可以绘制图表来显示不同时间段完成的距离 。另一种绘制工程进展即在准映射图上标注预计的时间。
【该部分资料工程图、相关报道资料涉密，请自行移步，不公开详情感谢】
九、小 结
描述性方法是描述性研究的基础，也是预测性研究的基础。要想预测将来可能存在或发生的现象，通常需要对当前存在的现象加以描述。
建立类比是情报研究中最普遍的一个基础分析步骤。军事演习、模拟和模型是对现实的不同方面的类比。对于战略情报的各组成部分，类比都可用于指导推理。
图表法并不是具体的分析方法，而是转换数据的方法，不但与描述性研究和分析活动分不开，也与预测性研究和分析密切相关
