格格党

手机浏览器扫描二维码访问

四数据的量化分析（第2页）

在排除了其他因素的影响之后，如果发现诗歌造诣仍有影响，那就说明这个影响是真实存在的。

这就是为什么在回归分析中研究者需要尽可能地把各种影响因素都控制住。

在控制了其他因素之后，若关键的解释变量还能显著地起作用，统计学家通常说在“其他条件相同”

（everythingelseequal）或者不变的前提条件下，关键变量可以显著地影响被解释变量。

陈冬华等用的回归模型并不排除其他因素对个人道德的影响。

在回归方程中，他们放入了很多“控制变量”

，比如是否处于唐朝鼎盛时期、官员的官职大小、取仕年龄、出生地离唐代政治中心的距离等。

所列的这些因素都是被控制的变量z。

正如陈冬华等所述，除了诗歌造诣之外，上述这些因素都有可能对官员的道德情操产生影响。

而当控制了这些控制变量z之后，回归方程的结果能告诉我们，那些在控制变量的维度相同，而只在诗歌造诣这个维度有差异的官员是否在道德情操上有差异。

如果发现这些官员得到的道德评价有差异，那唯一能观测到的解释变量就是他们的诗歌造诣。

因此，在回归方程中通常需要将一些可观测的其他变量都“控制住”

，这样“回归”

之后估算出来的关键解释变量对应的系数，就离研究者最想探究的因果关系（causalrelationship）更近一步。

否则，我们就不能排除是其他某些因素差异导致了被解释变量的差异。

在控制了所有可观测、可度量的因素之后，如果利用统计学方法基于数据估算出来的系数a是正数，这就意味着诗歌造诣对道德情操有正向的影响。

而如果估算出来的系数a是负数，这就意味着诗歌造诣对道德情操有负面影响。

因此，通过估算系数的正负，我们可以直接量化出诗歌造诣对道德情操高尚的概率所产生的影响。

在统计学中，对系数估算的过程除了会告诉我们诗歌造诣对道德情操的影响有多大之外，还会告诉研究者这个计算出来的诗歌造诣对道德高尚概率的影响在多大程度上可以令人相信，或者说估算的误差在什么情况下比较小。

在统计学或者计量经济学中，这个对误差的度量被称为估算出来的系数a的显著性。

如果估算出来的系数a在一定程度上是“显著”

（signifit）的，那意味着估算过程中的系统性误差比较小，比较让人信服。

而如果系数不“显著”

，则意味着虽然诗歌造诣对道德情操有一个正的作用，但是这个作用可能是因为统计上的“误差”

导致的。

从而，在统计意义上我们分辨不清楚这个作用到底是“正”

的还是等于零。

从这个角度来看，回归系数的显著性主要是用来度量估计出的非零系数和零系数（即关键的自变量不发挥作用）的情况能不能在统计意义上被“区分开”

。

如果不能“区分开”

，那就意味着从统计意义上回归方程中估算的结果不显著，从而我们没有办法排除诗歌对道德情操其实没有任何作用的论断。

《诗歌、道德与治理——基于唐代科举的量化历史实证研究》中，作者展示了他们统计分析的结果。

在作者控制的所有核心变量和非核心变量中（包括诗歌是否被《唐诗三百首》引用、所处时期是否为唐朝的盛世、官员的年龄、官职大小、出生地离政治中心的距离等），唯一一个显著地影响了个人道德情操的就是文学造诣，也就是其诗歌是否被《唐诗三百首》收录。

对应的“回归”

系数是正的。

这说明在文学诗歌上造诣越高的人，越有可能有着更高的道德情操。

这样的回归结果和该文中一开始的理论假设是一致的。

换言之，这意味着最初的理论假说得到了经验证据的支持。