用思维模型来解决问题，而非根据自己的感觉行动，这是一个优秀的人必备的技能。
思维模型的也并非越多越好，更加考验人的并非思维模型的数量，而是应用思维模型的创造力。
第三条 线性模型
线性模型是最简单且应用最广泛的，教育对收入的影响、因锻炼而增加的期望寿命，以及收入对选民投票率的影响，都可以用线性模型来解释。
但是请记住，线性模型只是一个开始，大多数有趣的现象都不是线性的。它只是提供了一个很好的起点。在给定了数据的情况下，可以使用线性模型来检验我们的直觉判断。
我们可以将线性模型首尾相连，这些连接起来的线性模型可能近似于曲线，就像我们可以使用直边的砖块来砌出弯曲的路径一样。
线性模型表现为：y=mx+b
其中，m等于直线的斜率，b等于截距，即当自变量等于0时的因变量值。
上图就是一个线性模型，一组年龄介于20岁到60岁之间的成人的年龄数据以及他们每个星期走路的距离。每一个圆点代表一个人，可以看出来他们近似分布在一条直线上。
大多数现象都有不止一个因果变量和相关变量。一个人的幸福可以归因于身体健康、婚姻美满、子女、宗教信仰和财富等。一栋房子的价值取决于室内面积、庭院大小、浴室数量、卧室数量、建筑类型以及当地学校的质量等。
在解释房子价值的时候，可以把所有这些变量都包含在直线中。但是必须记住，随着添加更多的变量，也就需要更多的数据，不然无法得到显著的系数。
实力-运气方程
这个方程说的是，任何成功，无论是日常工作中的成功、体育运动上的成功，还是游戏时的成功，都可以视为实力-运气的一个加权线性函数。
成功=a%×实力+（1-a%）×运气
在那些“运气决定了成功”的行业中，董事会不应该向CEO发放高额奖金。石油公司的利润取决于原油的市场价格，那是一个公司无法控制的变量。因此，一家石油公司的董事会不应该因为某一年公司业绩不错就给CEO发放巨额奖金。
相反，广告公司则不然：如果广告公司业绩表现良好，那么给CEO发放巨额奖金就是一件明智的事情。简而言之，要奖励实力，而不要为运气去买单。
线性回归模型在科学研究、政策分析和战略决策中都发挥着重要作用，部分原因是因为线性回归模型容易估计和解释。
而且，随着数据越来越容易得到，线性回归模型得到了更广泛的应用。“要信只信上帝，要认只认数据”（In God we trust. Everyone else must bring data.）这句话在商界和政界都可以经常听到。
如果我们希望了解咖啡、酒精或苏打水对健康的影响，就可以进行先行分析。我们可能会发现，喝咖啡会降低心血管疾病的风险，适量饮酒也有同样的效果。这也就是说，在现有数据范围之外推断线性效应时必须非常小心。我们绝对不能推断，喝30杯咖啡、6瓶葡萄酒会是个好主意。我们不应该用线性模型对过于久远的未来进行预测。
不同的模型可以将不同的力量分别突显出来，它们提供的见解和含义相互重叠并交织在一起。利用多模型框架，我们就能实现对世界丰富且细致入微的理解。
