【摘要】进行分类预测时,研究人员往往也想要知道预测变量对模型构建的相对重要性。此时,常见的动因分析方法(譬如多元回归)要么不适用,要么因复杂而难以应用,因为预测变量经常是混杂了名义、次序、连续型尺度被测量的。文章运用起源于合作博弈论的Shapley值法,开创性地通过分解与每一个预测变量相关的预测准确度(即正判率)来度量它们的相对重要性,从而避免额外引入某种动因分析方法。原理陈述和实例验证都表明,该方法本身易于理解,其结果具有解释性和有效性。