Page 123 - 《国际安全研究》2021年第4期
P. 123
2021 年第 4 期
足，从而提供了一条从微观到宏观的因果机制。
同样地，图 2（右）展示了以马里共和国为样本进行的回归分析结果，我们
发现了相同的效果，即武装袭击这一变量在 95%的置信水平上是显著的，且在两
个模型中的回归系数均为负。因此，尼日利亚和马里的发现都得出了相同的结
论。另外，图 2 中的控制变量也展示了一些有趣的发现。首先，在尼日利亚样本
中通过收音机接收新闻的人明显更容易支持政府的妇女赋权政策——可能是他们
拥有更好的信息接受能力，因而在袭击发生之后更能够接受政府的宣传。其次，
与总统民族相同的选民更倾向于支持政府。与此相反，这两个发现在马里共和国
的样本中均不显著，取而代之的是受访者的性别和年龄。另外，女性更不太可能
支持政府的政策，而年长者更支持现任政府。
图 3 武装袭击对妇女赋权支持的边际效应影响
注：垂直虚线 X=0。概率密度变化分布在 X=0 两侧代表统计显著性。密度分布由 1 000 次
模拟计算得出。
为更好地解释武装袭击的实质影响（substantive impacts），本文计算了这一
变量的边际效应（预测概率的变化）。运用一种新颖的模拟方法， 计算受访者
①
在袭击前后对于认可政府政策“比较好”和“非常好”的概率变化，用公式表示
为：Pr(好|袭击 T=1, Z)-Pr(好|袭击 T=0, Z)，其中 Z 为其他控制变量，T 为干预变
量。在这一种模拟过程中，我们将除干预变量（武装袭击）之外的所有其他变量
取其在样本中的真实值，每一次模拟分别计算干预变量对于“比较好”和“非常
好”的概率变化。经过 1 000 次模拟，我们得到了这一变量的边际效应的密度分
布。这一方法的优势是可以明显克服非线性模型的错误设置。传统计算边际效应
① Michael J Hanmer and Kerem Ozan Kalkan, “Behind the Curve: Clarifying the Best Approach
to Calculating Predicted Probabilities and Marginal Effects from Limited Dependent Variable Models,”
American Journal of Political Science, Vol. 57, No. 1, 2013, pp. 263-277.
· 121 ·
