非线性、尺度与关系何时改变

南桥市 2021 年“青年技能跃迁计划”是一份教学模拟：林澈记录训练小时、入组前经验、稳定工作与收入。她并不急着问“培训有效吗”，而是先问：训练从 6 小时到 16 小时，与从 66 小时到 76 小时，是否应被同样对待？

阅读路线很简单。先看关系是否像直线，再判断是尺度、弯曲、群体差异还是时期变化在起作用；每走一步，都把样本覆盖、残差和可替代解释带在身边。这里的数字和人物只用于练习，不代表真实项目事实。

先让案例暴露问题

林澈把学员按训练时数分成几段，发现稳定工作比例在前段上升较快，后段逐渐变平。她没有立刻宣布“高时数无效”，而是先数每段有几人；若 80 小时以上只剩少数完成者，曲线尾端的形状很可能不稳定。

她又把点按经验组和入组季度着色。若同样的弯曲只出现在某一班，课程记录或招募规则比函数形式更值得追问；若多批样本都呈现类似走向，才有理由让模型放松“每小时同样变化”的假定。

---

直线先提供参照

对稳定工作这一结果，林澈先保留最容易解释的参照：在背景变量相同的条件下，训练小时每增加一单位，预测概率按同一斜率变化。直线不是默认真相，而是一个能被残差图、关键点预测和后续比较共同推翻的起点；若它给出小于 0 或大于 1 的预测，就应改用合适的二元结果模型或受限预测。

$$\widehat{p}_i=\alpha+\beta h_i+\gamma'X_i$$

她把同一份稳定工作样本、同一组控制变量和同一评估尺度固定下来，再只替换训练时数的写法。收入模型可以单独讨论比例尺度，却不能同稳定工作概率模型混在一张“最佳模型”排行榜里。

---

先分清尺度和形状

林澈拿收入作第二个结果。3,000 到 4,000 元和 13,000 到 14,000 元都多 1,000 元，但相对变化不同；对结果取 $\log(y)$ 是在比例或乘法尺度上阅读收入，它并不自动表示训练越多、每小时回报越小。

若她认为前几小时训练最能帮助学员，可对解释变量取 $\log(h)$，也可用凹二次或分段关系。这里的 $h$ 必须全为正；若存在 0 小时，必须在研究设计阶段采用有理论依据、预先声明的处理，不能直接取对数。另设正收入模型 $\log(y)=\alpha+\beta h+\cdots$，其中h不取对数；一小时对应条件几何均值的精确比例变化是 $\exp(\beta)-1$；相差 小时才用 。算术均值的重变换还须处理误差分布。零收入不能无声删除，必须说明分析对象是否已变成就业者。

---

用关键点讲曲率

在模拟图里，林澈不满足于“二次项为负”。她把训练时数减去平均值，记为 $c_i=h_i-\bar h$，让平均训练时数成为可读的参考点；随后比较 20、48、70 小时的条件预测，并在高时数处把不确定区间和样本量一起展示。

$$\widehat{p}_i=\alpha+\beta_1c_i+\beta_2c_i^2+\gamma'X_i$$

在任何中心化时数 $c$，局部斜率是 $\beta_1+2\beta_2c$；训练再多一小时，斜率本身改变 $2\beta_2$。因此曲率的结论不该是一颗星号，而应是“在哪些小时点仍有增量、这些点是否被样本覆盖”的连贯判断。

节点需要课程理由

作品集模块在 48 小时完成，给了林澈一个可以事先说明的节点。她可把超过 48 小时的部分单独写入模型，于是节点前后允许不同斜率；这描述课程过程可能改变增量速度，并不自动证明 47 与 48 小时的青年存在可识别的因果跳跃。

如果节点仅因图上看起来好看，就不该写成制度门槛。林澈会检查节点两侧人数、谁更可能坚持到后段、调整合理节点后故事是否翻转；没有单一课程节点而曲线仍平滑弯曲时，少量结点的样条往往比高阶多项式更贴近这一问题。

---

让经验改变比较

林澈发现有相关经验的青年起点可能更高，却不意味着他们每多一小时训练的变化也相同。她把训练时数中心化后与经验指标相乘，使“参考训练时数”成为两组都能理解的比较点，而不是难以解释的零小时。

$$\widehat{p}_i=\alpha+\beta c_i+\delta E_i+\theta(c_i\times E_i)+\gamma'X_i$$

经验不足组的小时斜率是 $\beta$，经验组是 $\beta+\theta$；$\delta$ 则是参考时数处的水平差。林澈不只读 $\theta$ 的符号，而是画两条预测线，在 20、48、70 小时逐点比较，并提醒读者：班次选择、完成能力和求职动机仍可能同时影响经验、时数与结果。

---

冲击后先找参考点

教学情境把劳动力市场收紧设在 2022 年初。林澈先检查每季的结果口径、缺失率、训练时数和经验构成；若这些同时改变，前后差异未必来自行为机制，可能只是样本换了人或随访方式变了。

她把训练时数以 6 小时中心化，记作 $c_{it}=h_{it}-6$。在 ${\widehat{p}}_{it}=\alpha +\beta c_{it}+\lambda S_t+\rho (c_{it}\times S_t)+{\gamma }^{\mathrm{\prime }}$ 中， 是训练 6 小时处的前后预测水平差， 是训练斜率的变化。它仍是条件关联的比较；没有可比组和可信识别条件，就不能把它叫作冲击或培训的因果效应。

---

诊断关系是否稳定

在判断模型关系是否在不同阶段或样本下保持稳定时，下方梳理出一套系统性的关键步骤帮助分析和交流：

这样可条理清晰地展现诊断关系稳定性的流程与注意事项。

---

用动作完成交付

林澈最后交付的不是模型冠军，而是一份能被别人重做的判断记录。它把函数选择、关键点预测、交互解释和结构稳定性串在一起，也让读者知道哪一部分来自教学情境、哪一部分仍只是有条件的描述。

若后续批次的预测表现变差，或换一个合理节点后曲线翻转，正确反应是回到数据口径和样本覆盖，而非继续寻找更漂亮的系数。下一章才会进一步处理误差在不同群体和时期是否同样稳定的问题。

• 固定同一因变量、样本与评估尺度，再比较训练时数的函数形式。
• 为收入对数模型单列正值样本、零值处理与比例变化的解释。
• 在 20、48、70 小时报告预测、区间和样本覆盖，而不只列系数。
• 同时写出交互的参考组、两组斜率与结构变化的 6 小时参考点。
• 区分预先指定断点与搜索断点，并检查口径、构成和窗口敏感性。
• 用“教学模拟、条件关联、因果边界”三句话审阅最终结论。