数据分析完成后，寒晓东面临着一个核心问题——环境与信念，对人的行为究竟有多大影响？他需要找到一个量化的答案，一个能够用数字表达的比例。
这个比例，将决定实验的最终结论。
一、计算模型的建立
为了计算环境与信念的占比，技术团队建立了一个多元回归模型。
模型的因变量，是志愿者的行为评分——一个综合了合作行为、竞争行为和独立行为的复合指标。模型的自变量，包括两个主要变量：环境指数（反映志愿者所处环境的“善”或“恶”程度）和信念指数（反映志愿者的内在信念强度）。
此外，模型还纳入了几个控制变量：年龄、性别、教育背景、职业类型等。这些变量，用于排除其他因素的干扰。
二、数据的预处理
在建立模型之前，技术团队对数据进行了预处理。
首先，他们对缺失数据进行了插补。对于少数志愿者在某些时间段的数据缺失，采用了线性插值的方法进行填补。
其次，他们对异常数据进行了剔除。对于那些明显不符合常理的数据点——比如，传感器的读数异常——进行了剔除处理。
第三，他们对数据进行了标准化处理。将所有变量的数值，转换到0到1的范围内，以便进行比较和计算。
三、模型的运算
预处理完成后，技术团队开始运行模型。
模型的运算，花费了将近四个小时。期间，寒晓东一直守在数据中心中，等待着结果。
当运算进度条走到百分之百时，屏幕上跳出了结果。
环境的贡献度：百分之二十九点八。信念的贡献度：百分之七十点二。
四、结果的意义
寒晓东看着那个数字，沉默了很久。
百分之二十九点八对百分之七十点二。环境的影响力，不到百分之三十。信念的影响力，超过百分之七十。
这个结果，与刘振华的理论完全相反。刘振华认为，环境可以决定人的行为。但数据表明，环境的影响力，远远小于信念的影响力。
“这个结果，可靠吗？”寒晓东问。
“模型的拟合优度，达到了零点八九。”影子说，“说明模型的解释力很强。而且，我们对模型进行了稳健性检验，结果保持一致。”
五、分组的比较
为了进一步验证结果，技术团队对三组志愿者分别进行了分析。
本章未完，请点击下一页继续阅读！