如何快速準(zhǔn)確的解讀回歸系數(shù)？　　　　我們平常在課堂、組會(huì)或者學(xué)術(shù)會(huì)議上，難免會(huì)被師友突然叫起來(lái)評(píng)價(jià)一下某個(gè)研究。在這種情況下，快速、準(zhǔn)確的解讀研究結(jié)果就顯得非常重要?！　　　〈蟛糠值亩垦芯慷际腔陬l率主義的統(tǒng)計(jì)學(xué)，其分析結(jié)果最容易被錯(cuò)誤的解讀。因此對(duì)于定量發(fā)現(xiàn)，我們需要先學(xué)會(huì)分辨，然后再作判斷?！　　　　　∠禂?shù)是否有意義？　　　　我們?cè)诮庾x回歸系數(shù)時(shí)，不光要看它方向是否符合預(yù)期、p值是否顯著，更要看它的現(xiàn)實(shí)意義是否足夠重大 (例如選舉制度對(duì)一個(gè)國(guó)家GDP的影響在統(tǒng)計(jì)上即使有三顆星星，但系數(shù)是1 年1美元，那么這個(gè)研究理論和研究發(fā)現(xiàn)就容易被批評(píng)太trivial?！　　　∵@也說(shuō)明在解讀系數(shù)時(shí)，需要注意變量的單位，是百分比、標(biāo)準(zhǔn)差、0-1變量，還是被縮放了一百萬(wàn)？　　　　　　何為P值和置信區(qū)間？　　　　P值既非原假設(shè)正確的概率，更非備擇假設(shè)錯(cuò)誤的概率。P值是假定原假設(shè)正確的情況下，獲得比當(dāng)前更為極端的數(shù)據(jù)的概率 （類似地，不要把95%置信區(qū)間錯(cuò)誤地理解成真值掉入該區(qū)間的概率是95%。置信區(qū)間描述的是一套程序，與系數(shù)無(wú)直接關(guān)系。以95%置信區(qū)間為例，它是指在重復(fù)抽取樣本后，生成的95%的置信區(qū)間會(huì)覆蓋真實(shí)參數(shù) (在理解上述基本概念后，還要確定p值是基于單尾檢驗(yàn)還是雙尾檢驗(yàn)得出。雙尾檢驗(yàn)的原假設(shè)是b=0，單尾檢驗(yàn)的原假設(shè)是b>=0或者b<=0。 單尾p值只是雙尾p值的一半，因而單尾檢驗(yàn)更容易通過(guò)。這并不是說(shuō)我們不應(yīng)使用單尾檢驗(yàn)，但偶爾確實(shí)會(huì)出現(xiàn)故意用單尾檢驗(yàn)來(lái)提高回歸表格中星星數(shù)的研究 (另外，p值不顯著并不代表自變量對(duì)因變量沒(méi)有影響，它只說(shuō)明研究者還沒(méi)有找到足夠的證據(jù)來(lái)支持他們的理論假設(shè) (“absence of evidence is not evidence of absence”)。　　　　　　模型之間如何比較？　　　　通常一張回歸表格中會(huì)并列多個(gè)回歸模型，由于自變量的增減和因變量的變化容易造成樣本量的變化，這時(shí)對(duì)模型作對(duì)比就需非常小心。比如，在同一個(gè)因變量的情況下，如果關(guān)鍵變量的系數(shù)在第一欄的全樣本中顯著為正，在第二欄子樣本中不僅顯著，而且非常大。這時(shí)關(guān)鍵變量在其補(bǔ)集樣本中的系數(shù)很有可能不顯著，甚至處于相反的方向，從而挑戰(zhàn)了原有理論假設(shè)的可推廣性?！　　　∮袝r(shí)研究者會(huì)先放一欄沒(méi)有關(guān)鍵自變量的模型，再放一欄有關(guān)鍵自變量的模型。這時(shí)可以通過(guò)模型整體參數(shù)來(lái)判斷該變量對(duì)模型整體是否有貢獻(xiàn)。例如 (Adjusted/ pseudo) R2評(píng)價(jià)的是模型的解釋力，在0和1 之間，越大越好；　　AICBICDIC評(píng)價(jià)的是模型的樣本外預(yù)測(cè)偏差，只有相對(duì)意義，越小越好?！　　　∽詈?，統(tǒng)計(jì)解讀中應(yīng)該避免使用“證明”或者“證偽”之類的詞，因?yàn)槲覀冎挥袩o(wú)數(shù)樣本中的一個(gè)樣本，得到的永遠(yuǎn)只是一個(gè)從0到1之間的概率，而“證明”或者“證偽”要求的都是100%。反過(guò)來(lái)說(shuō)，如果我們有能力以100%的概率來(lái)說(shuō)明某件事情，我們也就不會(huì)選擇使用統(tǒng)計(jì)模型來(lái)進(jìn)行估測(cè)了。　　　　所以，下次忽然被人叫起來(lái)解讀某個(gè)定量研究時(shí)，準(zhǔn)備好來(lái)一段帶對(duì)節(jié)奏的free style了嗎？