抱着一丝幻想，几星期之前买了《R语言实战》，开始学习R语言。最近在看“方差分析”这一章，今天看到代码清单9-4，其中有一个向量"no drug vs. drug"=c(3,-1,-1,-1)，实在无法理解，所以从网上找到了书中推荐的《Multiple Comparisons Using R》(2010)这本书，开始查阅，终于在3.1.1节找到了关于"c"的解释，原来代码清单中的向量c(3,-1,-1,-1)其实是contrast vector，本质上是以一种向量式运算或矩阵式运算的方式（多个向量并列=同时检验多个假设）让用户自行设定所需检验的假设。知道后，真是让我感慨万分，在学校时真的未曾以这样一个角度，确切的说，从根本上去理解假设检验这一方面。
虽然研究生阶段开始学习统计，学过计量经济、时间序列分析，多元统计也学过因子分析和主成分分析，学过SAS、Stata和Eviews，虽然在我当时身边的人看来，我还算技术高手，经常会作为技术顾问来解决别人解决不了的难题，但现在看来，那时所学的一切真的是远远不够，尤其是如果真的想从事数据分析这一行业，我当时真是差的太远了，所以毕业时也未能如愿找到数据分析类的职位。很多学生经常抱怨，学校里学到的很多知识没有用。真的没有用吗？对于某些专业来说，学习一些不相关的其他专业的知识似乎真的毫无用处，以后工作了，从事本行业工作，也完全不会涉及。但另一方面，以统计为例，在本科时学过线性代数，研究生阶段学过一点矩阵分析，矩阵分析和线性代数是深入统计学习的必要法宝，如果不能学好这两门课，真的是很难学好、学通统计的，但当时的我真的太无知，真的不明白，不明白以后职业的方向，不明白实际工作中的应用是怎样一个情况。很多学生抱怨说，有些知识学的太深，毫无用处，这个情况的确是很普遍，但对于某些工作，某些职位，深厚的知识基础就是因为，在实际工作中，很多问题决非书本上的如此简单、容易辨识，书本上的那些基本例子，在实际应用时顶多是一个默认情况。但实际工作中，很多情况是非默认的，是需要重新认知、重新辨识，这时候如何实现，如何完成这一过程，就需要深厚、扎实的相关专业知识，就像我在第一段中所举的例子。
很可惜，我当时真的不明白，只是浮于表面，未曾深入，自然在社会大环境的竞争中，败下阵来。。。
而现在，我只能不断挣扎，一点一点努力着。。。
