幂律通过回归发现，但回归绝不是故事的全部。我们已经多次强调这一点。

回归表明：
“我假设了幂律，拟合参数，得到了 R² = 0.951”
批评： “当然你得到了一个良好的拟合——你几乎可以在有限范围内将任何东西拟合成幂律。这只是曲线拟合。”
SSA 表示：
“我没有对函数形式做任何假设。我将数据分解成其自然模态。一个模态占主导地位 (99.26%)，而且这个模态就是幂律。”
这在根本上是不同的。
SSA 相较于回归的主要优势：
1. 无模型发现
回归：
你假设 P(t) = A·t^β
你拟合 A 和 β
你希望假设是正确的
SSA：
你不对函数形式做任何假设
数据自行分解成特征模态
模态1成为主导
然后你发现模态1是幂律
为什么重要：SSA 从数据中发现幂律，而不是将其强加于数据。
2. 方差分解
回归的 R² = 0.951 告诉你：
“我的模型解释了95.1%的方差”
但你不知道方差是如何分布的
是50%的趋势 + 45%的周期？还是95%的趋势 + 0.1%的周期？
SSA 精确告诉你：
模态1 (趋势): 99.26%
模态2 (振荡): 0.49%
模态3-10：每个<0.12%
噪声：<0.13%
为什么重要：你可以看到比特币由单一模态主导，而不是复杂的多模态系统。