Field Notes · 田野笔记

第 1 章 ITS 把家书合并处理，没区分收信人。但父母长辈（用谦卑语）、兄弟（用劝导语）、儿子（用训诫语）三种语境的语言风格不同，如果 pre / post 收信人分布失衡，跨时段差异部分由收信人本身解释。本章用固定效应回归扣除收信人混淆。

3 类收信人的人格画像差异

表 5·1　8 维度在 3 类收信人上的均值（每千字，v2 数据 1,482 封）

维度	父母长辈 ( $n=76$ )	兄弟 ( $n=1170$ )	儿子 ( $n=236$ )
D1 政治姿态	0.53	0.24	0.12
D2 自我修正	3.04	2.68	3.09
D3 实践导向	0.63	0.73	0.92
D4 处变能力	0.23	0.19	0.18
D5 决断力	12.27	16.23	17.68
D6 情感深度	5.59	4.09	3.55
D7 隐逸倾向	4.16	4.04	4.35
D8 三教融合	5.36	4.99	5.33

结果解读

收信人语境差异最大的维度是 D5 决断力，父母 12.27 vs 兄弟 16.23 vs 儿子 17.68，跨度 5.41。

D5 决断力差异反映曾国藩给父母写信时姿态相对谦卑（"男跪禀 / 男谨遵"），决断词密度偏低；给兄弟写信时姿态权威（"汝当 / 须 / 切宜"），决断词密集；给儿子写信时训诫口吻更强（"尔须 / 不可 / 必当"），D5 最高。同一个曾国藩在三种语境里决断词密度差 44%。

D1 政治姿态差异也较大，父母 0.53 vs 儿子 0.12，跨度 0.41（相对值 4 倍）。给父母写信时偶尔讨论朝政（如奏请保父母平安、汇报升迁），给儿子写信几乎不谈朝政，都是修身教化。

D6 情感深度差异父母 5.59 vs 儿子 3.55，父母信里情感词更密，反映对父母的孝思明显于对子女的训诫。

D2 自我修正、D7 隐逸倾向、D8 三教融合在三类收信人上均值接近（差 < 0.5），说明这些维度跨语境稳定，是曾国藩个人风格而非对特定收信人定制。

收信人 FE 回归：扣除混淆后的 1860 效应

把 1860 安庆围攻作为 treatment，跑 8 维度的 naive 回归与收信人 FE 回归对比。

定义收信人 FE 回归

def:fe-zgf-v2

y_i = \alpha_{g(i)} + \beta \cdot \text{post}_i + \varepsilon_i

其中 $y_i$ 是第 $i$ 封信的某维度评分， $g(i) \in \{$ 父母长辈, 兄弟, 儿子 $\}$ 是收信人分类， $\alpha_g$ 是收信人 fixed effect（用 G-1 个 dummy 表示）， $\text{post}_i = 1$ 当信件写于 $\geq 1861$ 。收信人 FE 吸收收信人本身的语气差异， $\beta$ 估的就是扣除收信人混淆之后的 1860 后跳跃。

表 5·2　8 维度在 naive 回归与 FE 回归下的 post 系数对比（v2 数据）

维度	naive $\beta$	FE $\beta$	差
D1 政治姿态	$-0.072$	$-0.000$	$+0.071$
D2 自我修正	$-0.140$	$-0.112$	$+0.028$
D3 实践导向	$-0.310$	$-0.410$	$-0.101$
D4 处变能力	$-0.227$	$-0.257$	$-0.030$
D5 决断力	$+1.551$	$+0.742$	$-0.809$
D6 情感深度	$-0.689$	$-0.404$	$+0.285$
D7 隐逸倾向	$+0.128$	$+0.129$	$+0.000$
D8 三教融合	$+0.051$	$+0.094$	$+0.043$

结果解读

8 维度中，7 个的 naive 与 FE 系数差异在 $|0.3|$ 以内，说明收信人混淆对它们的影响轻微。

D5 决断力是唯一受收信人混淆显著影响的维度：naive $+1.551$ ，FE $+0.742$ ，差 $-0.809$ 。这意味着 1860 后表观上看到的决断力上升约 52% 是由收信人结构变化解释的，真实变化只有 0.74 per1k。

为什么 D5 这么敏感？ 1860 后曾国藩家书的兄弟占比急剧上升（湘军军务多与沅澄温季商量，父母长辈 1852 母丧、1857 父丧已不在）。兄弟与儿子信里 D5 决断词本来就高（16.23 / 17.68 vs 父母 12.27），post-period 的高 D5 系数可以由收信人结构变化解释。扣除收信人 FE 后，真实的 1860 后决断力上升只剩 0.74——仍是正向，但幅度比直观估计弱一半。

D6 情感深度的次大调整：naive $-0.689$ ，FE $-0.404$ ，差 $+0.285$ 。28% 的情感下降由收信人解释，同样因为父母长辈（情感词最密）的占比下降。

其他 6 维度方向稳健，收信人 FE 吸收幅度 < 0.1。这条选择性混淆说明：收信人 FE 不需要在所有维度上做，重点检查 D5 / D6 两个对收信人结构最敏感的维度即可。

雷区把 naive 回归的 D5 上升当成 1860 触发的真效应

读者看到 1860 后 D5 决断力 $+1.55$ ，容易理解为*"安庆围攻让曾国藩变得更决断"*。这条解读至少 52% 是错的。

post 1861–1871 期间，曾国藩家书的收信人分布与 pre 1841–1859 不同：pre 时父母长辈（n=76）占比较高，post 时父母长辈几乎为零（1852 / 1857 双亲已卒）。收信人结构变化本身就足以让表观 D5 上升，不需要任何真实人格变化。

诊断方法：任何回归如果在 pre / post 期 covariate 分布失衡，都要做 FE 控制后再读系数。单被试纵向研究里收信人 / 体裁 / 写作场景都是天然的 covariate。

稳健替代：在第 5 章本节给出 FE 回归结果（D5 真实上升 0.74），不要直接引用 naive 1.55。

代笔诊断：家书 vs 批牍的边界

本书数据集只用家书，不含批牍，因此代笔诊断在数据层面不成为问题。家书几乎全部是曾国藩亲笔，个别书信末尾署命幕僚XX代书或病不能起口授，在 1,482 封中约 5–10 封，占比 < 1%，对 ITS / FE 影响可忽略。完整 ghostwriting 标注留作 iteration。

这条与苏轼项目（1086–1089 翰林期 821 篇内制外制需要严格剔除）形成鲜明对比，反映家书数据集相对文集数据集的天然纯度优势。

本章知识地图

表 5·3　第 5 章核心概念与常见误解

核心概念	核心内容	常见误解	为什么错
收信人 FE	把收信人作为固定效应吸收	以为家书都同质	父母 / 兄弟 / 儿子语境差异极大
D5 决断力 52% 由收信人解释	naive $+1.55$ → FE $+0.74$	以为 1860 后决断力大幅上升	收信人结构变化贡献一半
D6 情感深度 28% 由收信人解释	naive $-0.69$ → FE $-0.40$	以为情感深度下降很大	父母长辈在 1857 后退场
其他 6 维不受 FE 影响	差 $<0.3$	以为所有维度都该 FE	选择性混淆, 重点查 D5 D6
曾国藩代笔 < 1%	家书天然亲笔	以为与苏轼项目一样要严格剔除	苏轼 821 篇翰林代笔, 曾国藩家书几乎无