1935年3月20日夜晚，生活在伦敦的德国记者贝特霍尔德·雅各布(Berthold Jacob)在瑞士巴塞尔的一家餐厅被绑架，随后被带到柏林的盖世太保总部。他被指控的罪行是 :出版了一部关于德国总参谋部的书，里面详细到甚至包括了新建立的装甲师的步枪排。

【这就是再垃圾的报纸，也比批量、无价值的视频精彩，至少培养阅读习惯（主观）】

        怎样获得这些信息的?谁是消息源?安全漏洞在哪里?审问者向雅各布提出了以上问题。令审问者震惊 (并不情愿地佩服) 的是，答案是德国的出版物。雅各布在长年累月的跟踪研究中，发现、记录、汇编了德国军事期刊上的新闻、讣告、结婚声明和文章。没有泄密的情况，也没有什么特工或告密者，仅仅依靠的是任何人都能看到的“公开”资料和“善于分析的头脑”。        

        在研究项目的分析阶段之前搜集的信息在分析阶段会被调用。分析阶段是任何研究的关键阶段，此时，假定、假说和猜想被验证，而且信息被赋予解释、意义和含义。本章讨论所有类型的分析过程的基本概念，包括情报分析人员进行的分析和情报研究涉及的广义分析，讨论内容包括验证规则、因果和关联关系，确立因果关系的原则 (或准则)，以及有时有些模糊不清的定量与定性分析方法之间的区别。

一、分析

        “分析”被定义为:将问题分解成多个部分，并对这些部分分别进行研究的过程，或“分析人员为了将信息整合...·形成书面报告而处理信息”的思维过程，或“对相关信息仔细研究，确定它们之间相互证明、补充或矛盾的程度，从而建立公认的事实和关系”。

        “分析”这个词在情报生产和研究中的含义略有不同，但基本上都有以下含义:将问题的较大部分或要素分解为较小部分，对搜集到的信息进行思维(有时是物理)上的处理，以及在此基础上概括该问题或得出结论。在情报专业术语中，“分析”通常涵盖了针对所搜集的信息展开的所有活动和工作，包括建立假说、确定信息的相关性和有效性，以及对信息进行校验和分类。而在传统的研究术语中，上述有些活动是在研究的其他阶段开展的。例如，建立假说属于问题界定阶段，而确定信息的相关性则属于信息搜集阶段。有趣的是，英语“分析”(analysis)这个词源于两个希腊语词汇ana(意为“分开”)和lvein (意为“解开”)，因此“分解信息是分析工作最恰当的解释。

二、归纳和演绎:简要回顾

        如前所述，演绎推理是根据前提得出结论的行为，例如数学证明过程就是演绎推理过程。当演绎应用于数学等封闭系统时，演绎是“安全、毫无异议和确定的”。演绎有时被称为“演示性”推理，因为它被用来演示特定前提下结论的正确性和有效性。

        与演绎相反的是归纳。前面讲过，归纳是根据一个或多个观察结果得出概括性结论的过程。归纳与演绎不同，演绎只是明确已知的知识，归纳却可以提供新知识。而且，归纳或“合推理”总是在演绎之前，分析研究人员需要更频繁地进行归纳。归纳包含发现和验证，而发现活动没有总体规则或准则可循。例如，波利亚（Polya) 曾说过 :“发现的第一是有头脑和运气好，第二准则是端坐着等待，直到想出好主意。”这些准则对于在时间限制下工作的分析或研究人员没什么帮助。

        但是，关于归纳过程的第二步一一验证，有几条准则对研究人员或有帮助。归纳不能得出与演绎法所演示的、一样严格的“真理”，但是，归纳可以得出高度可信的结论，这个结论经过一段时间可以被验证。由于验证是分析的重要一环，下文将讨论验证的一般“准则”，它们同等地适用于定性信息和定量信息，也适用于分析或研究人员为得出结论而进行的各种类型的分析。

三、验证的七个准则

        归纳过程的产品称为概括。在得出概括(猜测、猜想、假说)后,研究人员的工作就从发现变为验证了。以下列举了判断概括可信性的七个准则。注意:这些准则只能判定概括可能是正确的，而无法判定它一定是正确的。以下准则是对波利亚合情推理准则(Polya’s rules for plausiblereasoning)的阐释。

【斯坦福大学数学家乔治波利亚可能是当代“合情推理”最主要的提倡者、在五部独立但相关的书籍中，波利亚对解决问题的科学(或艺术)的方法(也称启发法)进行了提炼。他指出，不可能有一套固定的，放之四海而皆准的解决问题准则。然而，他提出了一套很有效的、针对他自己研究领域，数学的发现和验证准则。波利亚用来演示其“准则”的大部分例子都是数学方面的。但不难想象的是，他提出的准则在其他领域 (例如情报宣传分析或法律) 同样适用】

1.当概括结果被验证后，其更具可信性。

        例如，分析人员根据前期观察结果和信息进行概括:某国研发的新型导弹将进人使用阶段。如果该国导弹试验设施照片显示，导弹推进系统试验场所的混凝土护墙上有焦痕，则此概括的可信度就得到增强。显然，焦痕不能证明导弹的推进系统工作良好，但与试验成功并不矛盾。

【李云龙：啥？有了？等啥拉回来啊，今晚吃炖肉。。。】

2.当使用多种手段验证概括都证明其正确时，概括的可信度更高。

        在上例中，如果该国宣布，某段时间内导弹试验场附近的空域禁止进人，研究人员或分析人员开始作出的概括一一导弹即将进入使用阶段的可信度就会提高。如果观察到试验场范围内活动增多，或通信网络上用于试验目的的通信增多，会更进一步证明概括的可信度。

【朝鲜导弹试射过程，请自行查找图片（略）】

3.当支持概括的可观察的证据彼此有一定接近性时，概括的可信度更高。

        接近性包括时间或地理位置上的接近。在上例中，试验场增加的活动和禁止进入试验场附近空域的命令，在时间和地理位置上都存在着接近性。

【禁止进入。。。】

4.支持概括的例证越多，其可信度越高。

        从不同角度支持概括的新证据每增加一个，概括的权威性(可信度)就更高一些。

【证据推结论，切忌本末倒置，主观影响客观（可信度下降）】

5.如果与概括不一致或相反的猜想被证伪，概括的可信度就增加。

        在以上导弹试验的例子中，混凝土护墙上的焦痕可能是意外爆炸产生的。但是，如果试验场附近的试验设施没有任何受损迹象，这个假说就不成立，而原猜想的可信度就更高。

【逆命题和反命题的运用】

6.如果概括与另一个非常可信的概括一致，其可信度更高。

        在上例中，如果该国总是效仿另一国试验和研发导弹的程序来试验和研发导弹，而且可获得更多的被效仿国的相关信息，研究人员或分析人员就会更有信心去预测导弹研发周期接下来的事件。这种推理过程与类比相似，虽然类比在逻辑推理中是一种不可靠的推理方法，但在情报研究和分析中却非常实用和普遍。

【evidence with research】

7.如果观察结果支持两个不同的概括，更为简单的概活更有可能是正确的。

        在上例中，另一种假说是，导弹的推进系统在试验中出了故障，但为了制造导弹研发正按计划进行的假象，该国有意伪造了试验成功的迹象。这种情况不是不可能，但更简单的解释(试验成功) 根据直觉更可信。

【热点：朝鲜导弹试射失败，韩国打捞。。。】

四、因果关系和关联关系

        情报研究和分析的根本关注点是起因【显然，确定起因也是许多基础科学研究的关键，尤其是医学研究】，因为通过起因可以预测或预知结果和影响。在某些类型的情报分析中，起因很容易确定，而且它们的影响能被准确地预测出来。显然，科技情报分析属于以上情况。例如，由于导弹射程与导弹燃尽时速度成正比，如果已知一种新型导弹燃尽时的速度，就可以推测该导弹的射程。

        在较“软”类型的情报研究中，分析人员要判断因果关系就比较困难了。他们不仅无法预测某些变量的影响，甚至对哪些因素存在因果关系，哪些因素发挥作用这样的问题都难以达成共识。正是因为在情报研究中无法严格地确定起因，情报研究才被称为(并且可能永远被称为)一门艺术或技艺，而不是科学。当然，情报研究中也并非绝对找不出因果关系。在很多案例中，可以说某个事件、情况或现象引起了另一个现象，这种因果关系至少是合理的，即使是并不确定的，或可以说特定的事件引起了某种反应或回应。由于因果关系在情报研究和分析中十分普遍，用来确定起因的程序将会被关注。

        可能确定因果关系最普遍的方法是首先考虑那些相互关联的事件或情况。当两个或两个以上现象由于相互影响而出现或发生变化，可以说这些现象之间存在联系。显然，两个现象同时出现或发生变化不表示它们之间存在因果关系。例如，人的身高和体重可能是正相关的，但显然两者之间没有明确的因果关系，因为有些人个子高却体重轻，而另一些人个子矮却体重重。不过，确定关联关系通常是确定起因的第一步，而确认的关联关系可以使人们从已知现象的特点推导出未知 (但相关) 现象的特点。

        关联关系在动态情报分析和推测 /预测类情报分析中很常用。例如.“指标”(indicator)就是和某些事件相关 (或关联)的迹象或表现。某此事件或情况被称为“先兆”(precursor)，因为它们和随后发生的其他事件相关联。某些先兆不只是相关因素，还可能是起因。当两个事件、情况或特点同时向着一个方向变化时 (例如重量和体积同时增加)，可以说存在正相关关系。当两个事件向相反的方向变化时 (例如体积增加而速度降低)，可以说存在负相关。当根据已知的相关特点推测未知特点时，存在哪种关联关系并不重要。重要的是需要了解 :

(1) 两个现象是直接相关的；
(2)它们之间相关的方式是正相关还是负相关。

        可靠性是指连续测量同一现象得出的关联结果都一样 (负相关或正相关)的程度。也许这是显而易见的，很多研究人员在测量后得出负相关时表现出沮丧。其实，在根据已知情况预测或推断未知情况方面，负相关和正相关同样有用。【负负得正（doge）。。当然，还需要考虑关联的紧密性 (如两个现象关联的紧密性和程度)。关联的紧密性在一定程度上与样本数量有关。遗憾的是，在情报研究和分析中，样本数量一·般都很小（都给我去找）】

        作为分析的辅助手段，确定或找出相关联的事件、活动、情况或其他现象有助于得出其他推断，而且通常可预测性很高。确定关联关系是确定起因的基础。

五、确定因果关系的原则

        确定因果关系是准确预测的关键。正如斯坦利·杰文斯 (w. StanleyJevons)所说，“起因是事件发生必备或永恒的前提，所以原因存在，结果也会存在，或很快就会产生。如果知道事件的起因，就能知道事件的必然结果。虽然研究人员凭直觉知道某些因素“造成”或引起了某种结果，但在分析过程中的某个时候，他必须用更有力、更“公开”的证据来代替直觉。简而言之，研究人员必须验证他的假设。实用主义哲学家约翰·斯图尔特·穆勒(John Stuat Mill)提出了一套验证因果关系的原则，被称为“穆勒法则”(Mill's Canons)。这些原则是对科学方法的概括(大多数实验设计或多或少都用到了这些原则)。尽管也有人 (例如杰文斯) 批评这些原则但在情报研究方面它们是最适用的。以下是对“穆勒法则”的阐释

1. 如果某现象的两个或两个以上案例只有一个共同特点或特征，所有案例唯一共有的特点或特征就是此现象的原因(或结果)。

        此原则在报研究或分析中的应用实例：在不同的试验场测试前都有一（多）位专家出现。

2.如果某现象发生的案例与这个现象未发生的案例除了一个特点外，其他所有特点都相同，而且这个不同的特点只有当此现象发生时才出现，那么这个特点(特征或情况) 就是此现象的原因、原因的重要部分或结果。

        例如，在某实验案例中，除了专家不在场，只要具备其他所有特点，就可应用此条原则 (当然，实验没有发生)。

3.如果某现象发生时的两个或两个以上案例只有一个特征、条件或情况相同，而该现象未发生时的案例除了不具备上述特征外，没有其他任何共同点，那么上述这个特征就是此现象的原因、原因的重要部分或结果。

        例如，如果有两个案例表明，应用一种新型雷达与防空系统的高准确性相关，而另一些案例表明，当没有探测到这种新型雷达时，防空系统的准确性与平时无异，那么防空系统准确性提高的原因可以归结为使用这种新型雷达。

4.列出一个现象发生前的所有相关情况，然后确定该现象的哪些方面是由特定的先前情况引起的，并将这些方面从总的现象中排除，余下的方面则是由余下的先前情况引起的。

        此原则最适合在实验室环境或能找出所有相关先前情况的条件下使用。但在未被系统化的环境中，要找出所有相关的先前情况很难。这个原则看似有些空洞，但在实践中应用却很多例如，在科技情报分析中，需要确定一个被缴获装备的各个部件和功能各个控制装置和不同功能要对应起来。那些没有首先匹配到控制装置的功能，是由余下的、没有对应其他功能的控制装置控制的。通俗说，这个过程就是用的排除法。

5.如果一个现象总是随着另一个现象的变化而变化，前者就是后者的原因、结果，或与后者相关。

        (在前面，讨论过关联和因果之间的关系，此原则简明扼要地陈述了该关系。) 例如，某些不明遥测信号可能与友方雷达跟踪的导弹机动有关。遥测信号的变化与导弹机动的关系越紧密，这些信号越有可能是导弹机动的原因。

        显然，原因总是在结果之前存在或出现。诚然，两者之间的时间差别可能只是以十亿分之一秒计，但如果 A 被确定为 B 的原因，则A 必然在B之前发生。总之，起因一定是关联因素，但并非所有的关联因素都是起因。

六、“定量”与“定性”分析:模糊的区别

        众所周知，分析人员和研究人员非常注重研究的严谨性。但很多人不知道的是，研究人员为了追求严谨(或者至少为了显得严谨)而采用的方法可能是谬误的。具体而言，没有经验的研究人员认为用“定量的”方法来是现信息可以在某种程度上提高信息的质量或结论的可靠性和有效性。当然，这种想法是错误的，但大家对数字的迷信是持久的。将原始观察结果转换成某种统计数字形式并不能提高研究质量，同样，对分类不合理的信息进行精确量化也不能实现对原先信息更实质性的改进。

【保持信息来源的批判性思维处理方式。。。】

        在任何种类的研究活动中应用统计方法时都存在一个误区，即持续使用二分法来区分定性研究与定量研究，或非统计方法与统计方法。但定性方法与定量方法只是彼此在逻辑上的外延，例如，测量或量化的对象总是某种性质。量化只是用来描述性质的一种更精确的方法，前提是该性质能被足够清晰地描述，以至于可以被准确地测量 (这一前提很关键)。

【“准确”的意思是，反复测量后得出的结果都相同】

        相似的，在许多通常被认为是定性的概念中隐含有测量。例如，说一个政府比另一个政府更好战，隐含有对两个国家好战程度的对比,这一种粗略的测量形式。政治科学家评论某国具有高度的政治凝聚力，这在对性质进行量化陈述。分析或研究人员在表达某一事件发生的确定想时，会用“几乎可以确定”或“非常可能 (或不可能)”等语句。他们定性陈述实际是关于概率的定量描述。

        利用谢尔曼·肯特图表(Sheran Kent chart)，可以将情报中的定性陈述转换成对似然性的定量表述。

        在测量尺度上，定性与定量方法的差别更小。例如，定类尺度(nominal scale)基本上是一种非量化的测量尺度，它将各项分配到不同类别中。定序尺度(ordinal scale) 只有在被测量项目按重要性排列时才是“量化”的。在任何类型的分析中，重要的关注点都是准确性，但分析不能使本来“不严密地”搜集来的信息或描述不清的信息变得更准确。

【四种测量尺度】:定类尺度、定序尺度、定距尺度 (interval scale) 和定比尺度(ratio scale)。

以下是这些尺度的定义：

1)定类尺度:对性质进行分类的尺度。例如，在车辆分类上，可以根据车辆动力类型来划分、分类或测量，如分为汽油动力和柴油动力车辆，或根据飞机机翼对飞机进行分类，如分为固定翼、旋翼或变后掠翼 (swing) 飞机。定类度是用于分析过程的基础阶段一一分类阶段的测量尺度。

2) 定序尺度:根据可排序性质进行分类的尺度。例如，履带式水陆两栖车辆可以被归类为比轮式非水陆两栖车辆“更机动的”车辆。也可根据其他国家对于国家利益的战略重要性对前者进行排序。
3)定距尺度:测量工具上刻度之间距离相等且具有定序尺度特点的尺度，例如华氏温度计和摄氏温度计(定距尺度的零刻度是任意的)。
4)定比尺度:包含绝对或真实零度，并且有均等刻度的尺度，例如重量、长度和高度等尺度。

七、小结

• “分析”这个词在情报研究和学术研究中的含义略有不同，但它在两种研究中都指的是将大问题分解为多个较小问题，并对信息进书思维(或物理)上的处理，从而得出结论或概括的过程。

• 演绎和归纳是处理信息的两种基本思维过程。演绎被称为演示性推理，因为它是演示结论的正确性与有效性的过程。归纳有时被称为合情推理，用于发现和验证概括结果。归纳在解决问题时使用得最普遍。

• 演绎有形式规则可循，归纳没有形式规则可循。但人们总结了一些关于归纳条件的原则，可以提高概括为真的可能性，这些原则被称为“验证准则”(nules forverification)或“合情推理准则”。

• 找出某个结果的原因是预测后果的基础。所以，科学家和情报研究人员非常重视确定因果关系。

• 原因和结果之间总是存在着相关性，但并非所有关联关系都是因果关系。

• “穆勒法则”是确定因果关系的普遍原则。

• 定量与定性分析的区别很细微，因为量化的对象总是性质，而性质特点上的区别常常反映了基本形式的测量或量化。

• 对现象采用量化描述并不代表研究就是严谨的，而即使最严谨的数学或统计分析也不能提高质量差的信息的质量。