1702647220
1702647221
1702647222
1702647223
1702647224
但是，因为
1702647225
1702647226
1702647227
1702647228
1702647229
如果对方程7.23两边取指数，我们有：
1702647230
1702647231
1702647232
1702647233
1702647234
这样，方程7.25就给出了在X增加一个单位时Y的期望增加比例（不管X取何值）。如果我们设定X等于它的均值，方程7.25就表示对一位X为均值和另一位X的取值为均值加1的两个人，Y的增加比例。
1702647235
1702647236
注意，即使方程中还含有其他变量，上述结论也仍然成立。当存在其他变量时，这是净效应，即控制了其他变量的影响。关于此方法的应用，见Treiman和Lee（1996）。
1702647237
1702647238
流动效应
1702647239
1702647240
假如我们想检验Durkheim式的假设，即极端的社会流动，无论是向上还是向下流动，都会导致失范。如果我们设想向上和向下流动的影响是对称的，我们可以估计下面形式的方程：
1702647241
1702647242
1702647243
1702647244
1702647245
这里，A=失范测量上的得分，PF=受访者父亲的职业声望，P=受访者自己的职业声望。（注意，用上述方程来检验这个理论需要做如下假定：它适用于代际流动，职业流动是社会流动的一个好指标，声望是职业地位的一种好测量，极端流动应该给予很大的权重——所以要对差异进行平方。在实际分析中，所有这些假设都需要明确地证明其合理性，而不能不加解释。）一个显著的正系数d表示，在控制了受访者和其父亲的职业声望水平后，当受访者的职业声望与其父亲的职业声望差距扩大时，失范会随之增加。因此，d表示的是在控制了职业地位的影响之后社会流动本身的影响。控制职业地位是必要的，因为失范除了受到流动的影响之外，还可能完全由地位出身或地位获得决定。
1702647246
1702647247
当然，许多其他的变量变换方法可以用来表示不同的社会过程。例子可参考Goldberger（1968：Chap.8）、Treiman（1970），及Stoltzenberg（1974，1975）。
1702647248
1702647249
1702647250
1702647251
1702647252
量化数据分析：通过社会研究检验想法 [:1702644768]
1702647253
量化数据分析：通过社会研究检验想法 检验系数的等价性
1702647254
1702647255
有时，我们想知道同一方程中的两个系数大小是否相等。你们在前一章看到的对方程6.30的讨论就是一个例子。这里，我们再介绍另外一个例子。假设我们要评估父母的受教育程度对受访者的受教育程度的影响，尤其是对父母哪一方对子女的影响更大感兴趣。有假设认为，经母亲的教育传递比经父亲的教育传递更强，因为据观察，母亲投到孩子身上的时间多于父亲，所以推断母亲扮演更加重要的社会化角色。另一个相反的假设是，父亲的受教育程度影响更大，因为父亲的社会经济特征在很大程度上决定了家庭的社会经济地位。由于教育存在机会成本，所以如果父亲没有受到很好的教育，孩子就更可能较早地离开学校，由家庭的财务负担转变为家庭经济的贡献者。
1702647256
1702647257
有了这两个竞争性的假设，我们再来估计受访者的受教育年限对父亲和母亲受教育年限的回归方程。我用1980年的GSS数据估计下面形式的方程：
1702647258
1702647259
1702647260
1702647261
1702647262
这里，E=受访者的受教育年限，EF=父亲的受教育年限，EM=母亲的受教育年限。（我选择1980年的GSS数据，是因为在数据中父亲和母亲的影响存在显著差异。用2004年的GSS数据得到的两个系数几乎相等。估计父母受教育年限相对影响的历时趋势及其原因将会是一篇很有意思的文章。）估计方程7.27，其中N=985，得到：
1702647263
1702647264
1702647265
1702647266
1702647267
此结果看似支持母亲的受教育程度比父亲的受教育程度对子女教育获得的影响更大这一观点。然而，此结果可能只是抽样变异性导致的。如何进行判断？其方法是让母亲和父亲受教育年限的系数相等，然后评估非约束方程（7.28）的R2是否显著地大于约束方程的R2。我们限定父母受教育年限的系数相等，估计下面形式的方程：
1702647268
1702647269
