好文荐读丨张进凯：“X 不比 / 没有 / 不如 Y Z”变体选择的多变量分析

好文荐读（第119期）“X 不比 / 没有 / 不如 Y Z”变体选择的多变量分析。

“好文荐读”不定期更新，为大家带来最新的核心期刊亮眼论文，希望大家多多支持，也欢迎给我们留言推荐更多值得一荐的好文哦~

“X 不比 / 没有 / 不如 Y Z”变体选择的多变量分析

文章简介

文章来源：张进凯.“X 不比 / 没有 / 不如 Y Z”变体选择的多变量分析[J].当代语言学,2024(01):84-98.

摘要：本研究基于语料库标注数据，首先探讨制约“X 不比/ 没有/ 不如 Y Z”变体选择的显著因素及其影响效应，发现当语域偏向书面语、比较项和被比项为无生、结论项极性体现为积极义、比较点出现时，结构选择上倾向于“X 没有 Y Z”“X 不如 Y Z”，但是当比较项和被比项词长不等时，结构选择上倾向于“X 不比Y Z”。本研究发现“X 不比/ 没有/ 不如 Y Z”变体选择是多个因素互相作用的结果，而且不同因素之间常常呈现出复杂的多重交互效应。最后发现对“X 不比/ 没有/ 不如 Y Z”变体选择具有显著影响的预测变量，按照其相对重要性由高到低依次是：结论项极性、语域、比较点的位置、被比项的生命度、比较项和被比项的词长、比较项的生命度。

关键词：逻辑回归；对数优势比；条件推断决策树；随机森林；多变量分析

感谢张进凯老师授权推广，全文下载请点击文末“阅读原文”。

差比结构“X 比 Y Z”的否定形式有“X 不比 Y Z”、“X 没有 Y Z”（吴福祥2004）、“X 不如 Y Z”等，三者具有互换性，但是在某些语境中三者却不能互换，或者互换后可接受度较低。例如：

本文考察“X不比/没有/不如 Y Z”变体选择的影响因素。在具体语境中“X不比/没有/不如 Y Z”变体选择往往受到诸多语境特征的共同影响，因此本文基于大规模真实语言数据，借助多变量统计分析方法，探讨“X不比/没有/不如 Y Z”之间的细微差异，揭示制约“X不比/没有/不如 Y Z”变体选择的影响因素。用量化手段来揭示影响变体选择倾向性的因素，使得研究有数据支撑，而不再只根据经验进行描写性分析。

逻辑回归分析（logistic regression analysis）可以计算因变量为二分类的分类变量或某事件的发生率，因此本文通过逻辑回归分析，探讨“X不比/没有/不如 Y Z”变体选择概率。条件推断决策树（conditional inference trees）能够很好地表现多个特征之间的相互作用，因此本文利用这一模型来探讨多个变量之间对“X 不比/没有/不如 Y Z”变体选择的交互作用。随机森林（random forests）可以产生模型中每个变量的重要性测度，本文利用此模型计算出对“X不比/没有/不如 Y Z”变体选择具有显著影响的预测变量，按照相对重要性进行排序。

本文第2节为文献综述，第3节介绍语料来源及其标注，第4节基于语料库概率模型分析“X不比/没有/不如 Y Z”变体选择，第5节为“X不比/没有/不如 Y Z”变体选择的条件推断决策树和随机森林分析，第6节为结论。

相原茂（1992）比较了“不比”和“没有”两种类型的比较句否定形式，认为这两种类型不是等价的，两者的预设、含意和主张相反。周小兵（1994：251-255）将“比”字句否定式分为四类，指出“比”字句“不”的位置不同和数量宾语的有无，会使句子的预设、含意、蕴涵、否定的类型、范围、焦点等发生变化。吴福祥（2004）认为“X 不比 Y Z”是一种反预期结构，其语用功能是表达一种反预期信息。华雨（2017）对“X 不如 Y Z”和“X 不比 Y Z”在语义及主观性强度上的差异进行了计量分析。

以上研究大多关注“X 不比/ 没有/ 不如 Y Z”两两之间的变体选择，尚未涉及三者的变体选择，但是在语言研究尤其是国际中文教育中，三者的变体选择是不能绕过的话题。同时，既有研究较少涉及各种预测因素之间是否存在关系、 哪些预测因素对“X 不比/ 没有/ 不如Y Z”变体选择具有显著影响，也尚未基于用法系统阐述各预测因素在影响“X 不比/ 没有/ 不如 Y Z”变体选择中所占的权重。

鉴于此，本文基于北京语言大学 BCC 语料库，采用多变量分析探讨“X 不比/ 没有/ 不如 Y Z”变体选择，以期回答如下问题：

1） 制约“X 不比/ 没有/ 不如 Y Z”变体选择的显著影响因素是什么？这些因素影响效应下，选择变体的优势比呈现什么样态？

2） 预测因素之间是否有较强的交互效应？具体体现是什么？

3） 各预测因素所占的权重如何排序？

在研究“X 不比/ 没有/ 不如 Y Z”变体选择时应该主要考察哪些变量？以下先行研究考察到的变量，为本文的研究提供了参考。

李临定（2011[1986]：409-420）将“比”字句总结为 6 种格式，从能进入这些格式的名词来看，比较项和被比项有有生命（人和动物）和无生命（物质和抽象实体）之分。相原茂（1992）、史有为（1994）、徐燕青（1997）都对“不比”句和“没有”句结论项位置上的形容词褒贬义或者积极消极义进行了分析，本文认为这是一种对结论项极性的察。Fraser（1966）在考察小品词位置时，把直接宾语的词长，即是简单的还是受短语或分句修饰的，作为一个重要变量。Levshina（2014）、张懂（2019， 2020）都对语域（语体）进行了考察，发现不同语域对不同词汇的选择有一定的影响和偏好。邓耀臣、冯志伟（2013）验证了词汇的使用频数和词汇长度之间存在明显依存关系。何元建（2010）指出“比较点可以跟随主体、客体一起出现，也可以随其一，还可以完全不出现”。据此，本文将考察比较项生命度、被比项生命度、结论项极性、比较项与被比项词长、比较点出现与否、语域等多种变量对“X 不比/ 没有/ 不如Y Z”变体选择的影响。

本研究是对近义结构进行量化分析的一次尝试，用数据说话，并将研究结果可视化，直观形象，避免片面化和绝对化。

3.1语料来源

本研究以“不比”“没有”和“不如”为关键词在BCC语料库多领域频道进行穷尽式搜索，“不比”得到9803条，“没有”得到1928678条，“不如”得93377条。针对容量较大的“没有”和“不如”，本研究采用系统抽样法（systematic sampling），各抽取其中的10000例。之后以是否含有“X 不比/ 没有/ 不如Y Z”的所有部件为删选条件进行清洗，最后获得1420 条“不比”句、1015条“没有”句、1090条“不如”句， 分别编码为分别编码为BB_1-1420、MY_1-1015、BR_1-1090。

3.2 语料标注

语言类型学中比结构应该由比较项、比较基准、比较标记、结论项四个重要概念组成（Stassen 1985；李蓝 2003），赵金铭（2001）将四类比较次范畴统一编码为：比项+标记+被比项+结论项，其中被比项对应比较基准。

本研究对以上四个部分进行标注，即 X 为比较项，“不比/ 没有/ 不如”为标记，Y 为被比项，Z 为结论项。另外，比较句有时比较的是比较项和被比项的某个方面，例如“这本书没有那本书价格高”，比较的是价格，本研究称之为“比较点”，并作为标注对象。标注因素及其水平见表1。

4.1 语料库概率模型的建立

本研究通过多元逻辑回归分析，揭示制约“X 不比/ 没有/ 不如 Y Z”变体选择的显著因素及其影响效应。多元逻辑回归分析涉及更多斜率，同时考察多个预测变量对因变量的影响，它可以在控制其他变量影响的基础上，考察每个个体变量的影响，同时还可以考察变量之间的交互效应。因此，个别变量的影响不会被夸大，而是在控制其他因素作用的情况下考察这个变量的影响。本文将标注好的数据导入R语言软件，在安装调用程序包mlogit、polytomous 后使用mlogit函数，进行多元逻辑回归建模，对数据进行拟合。在R中运行以上函数得到的多元逻辑回归结果如表2所示。

“拟合对数” 表示允许的偏差量，绝对值越小，表示拟合越好（Levshina 2015：280），本模型的拟合对数为-2812.2。多元逻辑回归中的R2类似于线性回归中的R2，其数值在0.2到0.4之间被认为是非常好的拟合。对应于线性模型中的0.7到0.9（Louviere 等 2000：55；Levshina 2015：280），本研究的R2为0.27，表明本模型能很好地拟合。同时，p值＜0.001说明本研究的模型具有较高的预测度。通过以上拟合优度统计指标可知，本研究构建的语料库概率模型对数据具有很强的解释性能，模型能够依据预测变量对反应变量进行较为准确的分类和预测。

为了防止多重共线性（multicollinearity）对模型的参数估计和预测性能造成干扰，本研究对模型做多重共线性检验，检验各变量之间是否具有高度相关性（Levishina 2015：159-160，272；张懂 2020）。由表2可知，本研究模型中各个预测变量的方差扩大因子（VIF）的值均小于2，因此本研究模型不存在严重多重共线性（Baayen 2008）。

4.2 语料库概率模型结果

回归系数是当其他预测变量不变时， 一个单位预测变量的变化可引起的响应变量对数优势比（log odds ratio）的变化。在本模型中，系统默认的预测因素“不比”要与其他两个因素“没有”和“不如”分别进行比较。当回归系数为正时，意味着在差比结构否定式的选择上，选择“X 没有 Y Z”或者“X 不如Y Z”的概率要大于“X 不比 Y Z”；相反，当系数为负时，意味着在差比结构否定式的选择上，选择“X 没有 Y Z”或者“X 不如 Y Z”的概率要小于“X 不比 Y Z”。使用exp（ ）函数可以去掉对数并获得相应的简单优势比，因此本研究使用 exp（ ）来计算优势比。下面进行具体分析。

当语域偏向书面语时，选择“X 不如 Y Z”的发生比（odds）是“X 不比 Y Z”的8.71（ e^2.16463）倍；相反，选择“X 不比 Y Z” 的发生比是“X 不如 Y Z” 的1/8.71=0.11倍。在本研究的原语料中，语域为书面语的“X 不如 Y Z” 共有536句，如（2a），表现出较强的优势，“X 不比 Y Z”为130句， 如（2b）。

当语域偏向书面语时，选择“X 没有 Y Z”的发生比是“X 不比 Y Z”的2.2（e^0.78646）倍；相反，选择“X 不比 Y Z”的发生比是“X 没有 Y Z”的1/2.2=0.46倍。在本研究的原语料中，语域为书面语的“X 没有 Y Z” 共有210句，如（3a），表现出较强的优势，“X 不比 Y Z”为130句，如（3b）。

当比较项为无生时，选择“X 不如 Y Z”的发生比是“X 不比 Y Z”的1.36（e^0.30838）倍；相反，选择“X 不比 Y Z”的发生比是“X 不如 Y Z”的1/1.36=0.73倍。在本研究的原语料中，比较项为无生的“X 不如 Y Z” 共有974句，如（4a），表现出一定优势，“X 不比 Y Z”为791句，如（4b）。

当比较项为无生时，选择“X 没有 Y Z”的发生比是“X 不比 Y Z”的1.81（e^0.59181）倍；相反，选择“X 不比 Y Z” 的发生比是“X 没有 Y Z” 的1/1.81=0.5533倍。在本研究的原语料中，比较项为无生的“X 没有 Y Z”共有908句，如（5a），表现出一定优势，“X 不比 Y Z”为791句如（5b）。

当被比项为无生时，选择“ X 不如 Y Z” 的发生比是“ X 不比 Y Z” 的2.19561（e^0.78646）倍；相反，选择“X 不比 Y  Z” 的发生比是“X 不如 Y Z” 的1/2.19561=0.55倍。在本研究的原语料中，被比项为无生的“X 不如 Y Z”共有866句，如（6a），表现出一定优势，“X 不比 Y Z”为685句，如（6b）。

当被比项为无生时，选择“X 没有 Y Z”的发生比是“X 不比 Y Z”的2.86（e^1.05102）倍；相反，选择“X 不比 Y Z”的发生比是“X 没有 Y Z”的1/2.86=0.35倍。在本研究的原语料中，被比项为无生的“X 没有 Y Z” 共有793句，如（7a），表现出一定优势，“X 不比 Y Z”为685句，如（7b）。

当结论项极性体现为积极义时，选择“X 不如 Y Z” 的发生比是“X 不比Y Z”的54.11（e^3.99098）倍；相反，选择“X 不比 Y Z”的发生比是“X 不如 Y Z”的1/54.11=0.02 倍。在本研究的原语料中，结论项为积极义的“X 不如 Y Z”共有1054句，如（8a），表现出较强优势，“X 不比 Y Z”为197句，如（8b）。

当结论项极性体现为积极义时，选择“X 没有 Y Z” 的发生比是“X 不比Y Z”的15.42（e^2.73547）倍；相反，选择“X 不比 Y Z”的发生比是“X 没有 Y Z”的1/15.42=0.06倍。在本研究的原语料中，结论项为积极义的“X 没有 Y Z”共有913句，如（9a），表现出较强优势，“X 不比 Y Z”为197句，如（9b）。

当比较项与被比项词长不等时，选择“X 不如 Y Z” 的发生比是“X 不比Y Z”的0.31（e^-1.18183）倍；相反，选择“X 不比 Y Z”的发生比是“X 不如 Y Z”的1/0.31=3.26 倍。在本研究的原语料中，比较项与被比项词长不等的“X 不如Y Z”共有481句，如（10a）表现出劣势，“X 不比 Y Z” 为1192句，如（10b），表现出优势。

当比较项与被比项词长不等时，选择“X 没有 Y Z” 的发生比是“X 不比Y Z”的 0.43（e^-0.84396）倍；相反，选择“X 不比 Y Z”的发生比是“X 没有 Y Z”的1/0.43=2.33 倍。在本研究的原语料中，比较项与被比项词长不等的“X 没有Y Z”共有568句， 如（11a），表现出劣势，“X 不比 Y Z” 为1192句，如（11b），表现出优势。

当比较点出现时，选择“X 不如 Y Z” 的发生比是“X 不比 Y Z” 的2. 72（e^0.99895）倍；相反，选择“X 不比 Y Z”的发生比是“X 不如 Y Z”的1/2.72=0.37倍。在本研究的原语料中，比较点出现的“X 不如 Y Z”共有994句，如（12a），表现出较强优势，“X 不比 Y Z”为431句，如（12b）。

当比较点出现时，选择“X 没有 Y Z” 的发生比是“X 不比 Y Z” 的2. 69（e^0.98865）倍；相反，选择“X 不比 Y Z”的发生比是“X 没有 Y Z”的1/2.69=0.37倍。在本研究的原语料中，比较点出现的“X 没有 Y Z”共有723句，如（13a），表现出较强优势，“X 不比 Y Z”为431句，如（13b）。

4.3 语料库概率模型结果讨论

根据以上统计结果，本研究所选定的预测因素均对“X 不比/ 没有/ 不如 Y Z”变体选择具有显著影响。具体而言，当语域偏向书面语、比较项为无生、被比项为无生、结论项的极性体现为积极义、比较点出现时，倾向于使用“X不如 Y Z” “X 没有 Y Z”；当比较项和被比项词长不等时，倾向于使用“X 不比 Y Z”。

吕叔湘（1999[1980]）指出“X 不如 Y Z”比较前项（比较项）总是比比较后项（被比项）差。根据吕先生的分析，Z应该为积极义，和本概率模型结果一致。本研究的1090条“不如”原语料中，Z为积极义的共有1054句，Z为消极义的只有36句，前者为后者的29.3倍。例如，（14a）中位于 Z 位置上的“强壮”为积极义，不能替换为“弱”；（14b）中位于 Z 位置上的“冷”为消极义，可以替换为“暖和”，但是句义相反。

相原茂（1992）认为“X 不比 Y Z”最基本语义等于“X 不 Z， Y 不 Z”，即对于“不 Z”来说， X = Y。刘月华等（2001）认为“X 不比 Y Z”主要有两种意思，一是“X 不如 Y Z”，二是“X 跟 Y 差不多 Z”，但有可能出现正面偏移或负面偏移。由此我们有理由相信，“X 不比 Y Z”中的 Z 既可为积极义又可为消极义，和本概率模型结果一致。本研究的1420条“不比”原语料中，Z为积极义的共有597句，Z为消极义的有823句，前者与后者比为0.73：1。例如，（15a）中位于 Z 位置上的“高为积极义，可替换为消极义的“矮”，句义虽然稍有不同，但是基本句义不变；（15b）中位于 Z 位置上的“少” 为消极义，可以替换为“多”，但是句义相反。

Tagliamonte 和 Baayen（2012）首次将条件推断决策树和随机森林引进语言学研究中，本研究使用条件推断决策树考察“X 不比/ 没有/ 不如 Y  Z”变体选择影响因素之间的多重交互，利用随机森林分析变体选择的影响因素之间的相对重要性。语言特征之间经常存在多重共线性，会给统计建模带来严重问题（Szmrecsanyi 2010），而条件推断决策树和随机森林属于非参数统计模型，不需要呈正态分布的数据，同时不被多重共线性所干扰。

5.1 “X 不比/ 没有/ 不如 Y Z”变体选择的条件推断决策树分析

作者简介

个人简介：张进凯，文学博士，兴义民族师范学院教师，主要研究方向为汉语语言学、语言学及应用语言学。主持国家社科项目一项、贵州省社科一项、教育部语和中心项目一项，发表论文多篇，出版专著一部教材多部。联系方式：kelvinsoul@naver.com。

本文来源：《当代语言学》

推  荐

今日小编：语安  

审     核：心得小蔓

转载&合作请联系

"心得君"

微信：xindejun_yyxxd

点击“阅读原文”可跳转下载