（四）统计方法

议案建议数、反对票、弃权票、性别、民族、领导干部、专职代表、是否连任等变量具有较高比例的缺失值，缺失比例分别为18．2%、39．1%、39．2%、15．8%、14．7%、10．7%、7．7%和8．1%，为了提高估计的效率，我们使用多重插补法中的全条件定义法（fully conditional specification，FCS）对上述变量的缺失值进行了插补，其中对议案建议数的插补使用泊松回归模型，对其他变量的插补使用二分类logit回归模型，产生了十组多重插补的数据。插补模型中包括了所有的因变量、主要解释变量和控制变量。

我们将用泊松回归模型对代表议案建议数进行回归分析，并用二分类logit回归模型对代表是否投过反对票或弃权票进行回归分析。本文将三组主要解释变量逐步放进回归模型，并在所有模型中放入控制变量。模型1是只加入“选举激励”这一组解释变量的结果，模型2中加入了“选举激励”和“政治身份”两组解释变量，模型3中则将“选举激励”、“政治身份”和“政治态度”三组解释变量均加入了回归分析。