格格党

手机浏览器扫描二维码访问

三数据可视化方法的简介（第3页）

关于马修·威尔肯斯（MatthewWilkens）的具体学术主张，可参见[美]霍伊特·朗，苏真撰：《文学模式识别：文本细读与机器学习之间的现代主义》，林懿译，载《山东社会科学》，2016（11）。

[5]参见[美]霍伊特·朗、[英]苏真撰：《文学模式识别：文本细读与机器学习之间的现代主义》，林懿译，载《山东社会科学》，2016（11）。

[6]具体细节可参见黄宜华：《大数据机器学习系统研究进展》，载《大数据》，2015（1）；陈康、向勇、喻超：《大数据时代机器学习的新趋势》，载《电信科学》，2012（12）；何清、李宁、罗文娟、史忠植：《大数据下的机器学习算法综述》，载《模式识别与人工智能》，2014（4）。

[7]陈冬华、李真、杨贤、俞俊利：《诗歌、道德与治理——基于唐代科举的量化历史实证研究》，载《文学研究》，2017（1）。

[8]陈冬华、李真、杨贤、俞俊利：《诗歌、道德与治理——基于唐代科举的量化历史实证研究》，载《文学研究》，2017（1）。

[9]Imma，CritiqueofPracti，Kritikderpraktisunft，1788.

[10]陈冬华、李真、李贤、俞俊利：《诗歌、道德与治理——基于唐代科举的量化历史实证研究》，载《文学研究》，2017（1）。

[11]陈冬华、李真、李贤、俞俊利：《诗歌、道德与治理——基于唐代科举的量化历史实证研究》，载《文学研究》，2017（1）。

[12]陈冬华、李真、杨贤、俞俊利：《诗歌、道德与治理——基于唐代科举的量化历史实证研究》，载《文学研究》，2017（1）。

[13]所谓线性模型，就是说这里的我们假设y和x是线性的关系。

事实上，这个假设并不是必需的。

我们可以假设y和x、z之间满足任何一种函数关系，比如y=f（x，z）+ε。

我们可以对函数f的形式做出任意的假设，或者不做任何假设。

统计学中已经发展出一套成熟的工具帮助我们利用数据估算出f（x，z）的具体表达形式。

具体技术细节可以参见李子奈、潘文卿：《计量经济学（第3版）》，北京，高等教育出版社，2010。

Hayashi，Fumio.EetriiversityPress，2011；以及Greene，WilliamH.Eetrialysis.PrenticeHall，2011。

[14]在陈冬华等人的研究中，y表示的是是否被认为道德高尚，因此是一个非0即1的变量。

同时x表示所写诗歌是否被《唐诗三百首》收录，也是非0即1的变量。

一个诗歌造诣高的官员的道德情操y（x=1）=a+bz+ε，而一个诗歌造诣较低（没有被《唐诗三百首》收录）的官员的道德情操y（x=0）=bz+ε。

两者之差，y（x=1）-y（x=0）=a就刻画了一个官员的诗歌是否被《唐诗三百首》收录这个事件对其道德情操的影响。

而这也是在回归分析的模型框架下系数a的一种阐释。

详见陈冬华、李真、杨贤、俞俊利：《诗歌、道德与治理——基于唐代科举的量化历史实证研究》，载《文学研究》，2017（1）。

[15]这样的解释在y的取值面较广的时候实用，但是若y只能取0或者1的时候，前文中提到的对a的阐释a=y（x=1）-y（x=0），就显得不那么合理。

因此在具体处理被解释变量为离散值的时候，统计学家通常运用上述方法的一个扩展版本：将被解释变量y的值换成是它取某一个特殊值的概率。

在陈冬华等人的研究中，作者们使用的被解释变量就是个体道德是否高尚的概率。

也就是说他们假设个体道德是否高尚受到了诗词造诣（x）和其他一些因素（z）的线性影响。

即Pr（y=1）=ax+bz+ε。

在这个框架下，通过简单的计算可知，当诗歌被《唐诗三百首》收录的时候，道德高尚的概率为Pr（y=1|x=1）=a+bz+ε，而当诗歌没有被《唐诗三百首》收录的时候道德高尚的概率为Pr（y=1|x=0）=bz+ε。

两者之差则为Pr（y=1|x=1）-Pr（y=1|x=0）=a。

所以在陈冬华等的研究中，诗歌造诣这个变量前面的系数a的准确含义是诗歌被收录《唐诗三百首》对于道德情操高尚的概率的影响。

如果我们相信生成这个回归方程的数据满足一定的“正则性”

条件，那这个影响就可以一定程度上被理解为一个因果关系。

详见陈冬华、李真、杨贤、俞俊利：《诗歌、道德与治理——基于唐代科举的量化历史实证研究》，载《文学研究》，2017（1）；具体技术细节可以参见李子奈、潘文卿：《计量经济学（第3版）》，北京，高等教育出版社，2010。