以前说过，偶的小说完全符合Hacker的理论——为critical juncture + path dependence
critical juncture是无法预料的，然而path dependence就是多元回归方程嘛，所以，预测某个人物会不会被杀（在不出现critical juncture的情况下）其实很简单。方法如下——
population：窃书所有小说中的所有人物（为了避免适用weight，建议剔除没名没姓的炮灰）
sample：建议对窃书所有已完结的小说中的非炮灰人物进行simple random sampling，你可以给每个人物进行编号，然后generate random number，根据你需要的sample size进行取样。然则，因为整个population也不是很大，你也可以使用所有完结小说中的人物。即，除了《归妹》以外一切作品中的人物。
operationalize the measures：
Var1 人物性别 （0 = 女，1 = 男， 9 = 其他<--注意，偶只是这样写，需要自己设定dummy variable）
Var2 人物在小说中的地位 （0 = 超级小配角 ------> 10 = 第一主角，可以当作连续变量）
Var3 人物年龄 （in years，由于人物的年龄在小说中会变化，也可以采取出场年龄，需要justify！)
Var4 人物性格（建议找一个测量性格的scale，然后进行定义，比较有意义的事测量比如神经质程度、偏执程度，哈哈……）
Var5 人物的婚姻状态 （0 = 未婚， 1 = 已婚， 2 = 离异， 3 = 丧偶， 9 = 其他 <--需要自己设定dummy variable）
Var6 人物的教育程度（注意，因为有古代小说和现代小说同时存在，所以无法使用常用的量表，可以简单化为 0 = 文盲 ------> 10 = 非常有学问，注意inter-rater reliability，建议由一个人完成此项coding工作。此变量也可以当作连续变量）
Var7 人物的社会支持网络 （social support有现成的量表可以测量）
.
.
.
.
Varn 你觉得还有什么理论上应该和我杀不杀这个人有关的？不过，注意，你的总变量数不能大于你的sample size，否则会出现multi-colinearity问题
所有sample中的人物都应该有以上的资料（missing data非常讨厌）
令D为一个人的生死，0 = 活, 1 = 死
P(D)=死的概率， 1-P(D) = 活的概率
Odds_死 = P(D)/[1-P(D)]
Y=ln(Odds_死)
运用统计软件（比如STATA）对sample进行logistic regression （stepwise forward或stepwise backward），可以得到方程：
Y = a + b1×X1 + b2×X2 + b3×X3 + ....bn×Xn
不一定所有参数都significant，也要注意multi-colinearity，如此如此这般这般
当你最终确定方程后，就可以对未知人物进行推算了（如果你并没有使用所有已完结小说中的人物来推导方程，这个时候可以用他们来验证方程是否正确，即，比如你知道《投海记》中慕容端阳的参数为如此如此，加入你预测出她的死亡概率竟然为10%，则你的方程看来有点问题……）
Predict:
玉旈云的参数应该是（0，10，23，待定，0，8，待定，......）
代入方程，可以得出结论________________
如果你没有得到小玉100%的死亡概率，说明你的方程不对……
critical juncture是无法预料的，然而path dependence就是多元回归方程嘛，所以，预测某个人物会不会被杀（在不出现critical juncture的情况下）其实很简单。方法如下——
population：窃书所有小说中的所有人物（为了避免适用weight，建议剔除没名没姓的炮灰）
sample：建议对窃书所有已完结的小说中的非炮灰人物进行simple random sampling，你可以给每个人物进行编号，然后generate random number，根据你需要的sample size进行取样。然则，因为整个population也不是很大，你也可以使用所有完结小说中的人物。即，除了《归妹》以外一切作品中的人物。
operationalize the measures：
Var1 人物性别 （0 = 女，1 = 男， 9 = 其他<--注意，偶只是这样写，需要自己设定dummy variable）
Var2 人物在小说中的地位 （0 = 超级小配角 ------> 10 = 第一主角，可以当作连续变量）
Var3 人物年龄 （in years，由于人物的年龄在小说中会变化，也可以采取出场年龄，需要justify！)
Var4 人物性格（建议找一个测量性格的scale，然后进行定义，比较有意义的事测量比如神经质程度、偏执程度，哈哈……）
Var5 人物的婚姻状态 （0 = 未婚， 1 = 已婚， 2 = 离异， 3 = 丧偶， 9 = 其他 <--需要自己设定dummy variable）
Var6 人物的教育程度（注意，因为有古代小说和现代小说同时存在，所以无法使用常用的量表，可以简单化为 0 = 文盲 ------> 10 = 非常有学问，注意inter-rater reliability，建议由一个人完成此项coding工作。此变量也可以当作连续变量）
Var7 人物的社会支持网络 （social support有现成的量表可以测量）
.
.
.
.
Varn 你觉得还有什么理论上应该和我杀不杀这个人有关的？不过，注意，你的总变量数不能大于你的sample size，否则会出现multi-colinearity问题
所有sample中的人物都应该有以上的资料（missing data非常讨厌）
令D为一个人的生死，0 = 活, 1 = 死
P(D)=死的概率， 1-P(D) = 活的概率
Odds_死 = P(D)/[1-P(D)]
Y=ln(Odds_死)
运用统计软件（比如STATA）对sample进行logistic regression （stepwise forward或stepwise backward），可以得到方程：
Y = a + b1×X1 + b2×X2 + b3×X3 + ....bn×Xn
不一定所有参数都significant，也要注意multi-colinearity，如此如此这般这般
当你最终确定方程后，就可以对未知人物进行推算了（如果你并没有使用所有已完结小说中的人物来推导方程，这个时候可以用他们来验证方程是否正确，即，比如你知道《投海记》中慕容端阳的参数为如此如此，加入你预测出她的死亡概率竟然为10%，则你的方程看来有点问题……）
Predict:
玉旈云的参数应该是（0，10，23，待定，0，8，待定，......）
代入方程，可以得出结论________________
如果你没有得到小玉100%的死亡概率，说明你的方程不对……
