長期以來，臺灣之中國研究，尤其是在中共情勢與人事分析具特 定優勢，例如中共研究專家特殊經驗，其獨特的見解，加之實務判 斷，以及研析能力均有其獨到之處。但是，個人經驗的局限性，基於 政治立場批判失去客觀性，以及為政治服務的分析意見，38恐皆不全是 學術研究所追求之真相了解與科學精神。因此，透過更完整公開基礎 資料之蒐集，採用多元迴歸分析之檢證，量測各變數(variables)與權數 的適用性，從而提出更具科學性、客觀性之預測。尤其是中共菁英甄 補更趨制度化的條件下，此一研究方法即有更大的可操作性。
綜觀學界與媒體對「十八大」人事分析，評判主要集中在汪洋和 李源潮兩人。其中顯示，具備擔任政治常委的基本條件，並不代表有 入選必然性。事實上，政治權力的有限資源分派，涉及派系權力平衡 和妥協，並非任何單一派系足以完全壟斷。不過，「十八大」常委人 事布局則顯示，團派的弱勢參與，但是在政治局成員中則占有相對優 勢（25 名至少占 6 名，其中汪洋與胡春華、李源潮都可能成為「十九 大」政治局常委）。因此，就短期而言，團派的影響力相對較小，但 從中長期而言，團派則具年齡、數量與結構優勢。尤其是中共革命世 代子弟在黨政高層後繼者有限，且高幹子弟從商偏好意願較高，皆可 能影響中共派系政治的生態。此外，具備專業治理能力的菁英，亦可 能會在沒有高積分的條件下受重用，此與國家治理的全球性、複雜性 與專業信任有關。
造成中共人事研判失準的原因，既有學者僅仰賴人事晉升基本要 件中「硬條件」的分析，歷史經驗判斷和累計加總，但是對人事安排 現實的政治運作與權力鬥爭，以及深層結構所涵容的「軟條件」掌握
楊開煌，〈台灣「中國大陸研究」之回顧與前瞻〉，《東吳政治學報》，第 11 期，2000 年 9 月，頁 78-80。
有限。例如，甫卸任總書記力薦人選，或是現任總書記信任的對象，
都不易透過研究與統計分析全盤掌握。在媒體方面，亦不乏小道消息 與新聞炒作，顯皆有不足之處，亦非科學方法之論證，尤其是中共高 層人事之決定，是動態變化與調整的過程，其研判時間的先後，與信 息掌握能力皆會影響其準確性。因此，如何透過近年中共近幾屆黨大 會菁英甄補之規律，歸納其通則，檢證其變數和權數可操作性，即有 助人事研判能力之提升。
人事研判失準，不乏透過量化統計分析，且多是以簡單的算術統 計，並依專家經驗研判給予一定的權數(weights)累計而成。問題是累計 得分最高者，是否一定入選？每一變數都重要嗎？變數優先順位為 何？都無法判斷。在實務上，若給予權數在 0 與 1 之間，若其中一變數 超過基礎設定條件，例如年齡越線則該人事不予列計；在學歷方面，
則可在其它條件無法判別時，學歷可優先列為選項考量。因此，迴歸 分析的貢獻不在於否定不正確之研判，而在於這些解析讓變數更為清 楚，亦使判讀權數具有可能性。
根據過去研究經驗顯示，相關統計資料為中共人事公開出版品與 網路資源，蒐集中共政治菁英相關經歷，經過重新編碼與處理後，並 透過判斷，建立變數與測量架構(schema)，並給予不同背景與政治經歷 一定的權重，預測中共菁英何人可能出線。此外在方法論上，有兩個 主要問題值得探討。首先，權重的決定影響結果甚鉅，但決定方式並 不太科學。基本上要靠選對諮詢的專家，而這些個別專家的猜測，怎 麼被整理成單一的權值，本身也是個問題。其次，這樣得出來的結 果，也許會有某種程度的精準度，但在預測之外，比較難有解釋的能 力，因為當預測不準時，很難鑑別哪一項變數的權值出了問題，不易 修正。
為了比較各個變數對於是否入選為政治局委員與常委的影響力，
中共菁英後續研究可採用「多元迴歸分析」(multiple regression analysis) 來推估此一權值。39多元迴歸分析的優點，在於能夠在模型中同時納入
多個變數，在估計上能夠做到控制其他變數的情形下，判斷個別變數 的影響力是否顯著及其係數值(coefficient)的大小。後續研究在資料的 蒐集上，可以把過去幾次全國黨代表大會中入選，以及落選政治局委 員與常委的熱門候選人作為分析的對象，並透過統計分析找出影響入 選及落選的原因。後續研究可透過以往鑑別出來的變數作為自變項，
最後是否成為政治局委員為依變項，以下列多元迴歸分析的 Logit 模型 來分析各個變項的係數，作為日後加權的參考依據。由於模型依變數 為是否入選政治局委員或常委，屬於二分類變數(binary variable)，因 此適合採用二元勝算對數模型(Binary Logit Model)進行分析。下列為 二元勝算對數模型的計算公式：
在上述的式子中，Xi為各個影響入選政治局委員的變數，包括性 別、年齡、學歷、地方資歷、留洋資歷、派系關係、領導資歷等， i則 是各個變數對於依變數的影響力。在操作上，將上述的變數都採類別 變數(categorical variable)的方式納入模型中，較能精準估計不同類別 間的係數值差異。例如，如果把學歷區分為大學以下、大學、碩士及 博士，分別以 X1~X4來代表，其係數估計值即 1~ 4，模型即可估計出
1~ 4的個別差距。如果採用連續變數，即是在假定學歷間的係數差異 為等距差異，可能會有估計偏差(estimate bias)的問題。此外，考量到 某些變數與其他變數會有加成的效果（例如：女性且兼具少數民族特 性，其獲入選機會相對大），因此模型中也可納入交互作用變項來估 計加成效果（例如：如果女性變數為 X1，少數民族特性為 X2，則模型 中的部分自變數估計式為 1X1+ 2X2+ 3X1X2，其中 1與 2是兩個變數
程大器，《統計學理論與應用（下）》（臺北：智勝文化事業公司，2002 年），頁 366-521；薄喬萍，《多元回歸分析：影響點偵測與缺適性檢定》
（臺北：四章堂文化事業公司，2008 年），頁 114-119、151-183。
的個別效果， 3是兩個變數的加成效果）。
必須注意地是，將上述所有變數依類別變數的操作方式（類別變 數在納入模型前必須進行編碼成(dummy variable)都納入模型會影響模 型的自由度(degree of freedom)。因此，可以考慮在進行了第一次的模 型分析後，採用概似比檢定(likelihood ratio test)，將沒有顯著影響的 變數剔除，比較精簡模型與完整模型的解釋力。在確認合適的模型 後，所取得的各個變數估計係數值即對是否入選的機率估計。將上述 的估計值套用到政治局委員或常委候選人的條件上，即可估算出各政 治菁英入選政治局委員或常委的機率。
此外，除了取得權值，本文後續研究可有兩個進階的發展目標。
其一，後續研究可以往前推移，蒐集「十七大」、「十六大」等強人 政治之後的資料，檢視歷屆高層菁英甄補的制度變化情形（變數是否 增加或減少），判斷是否趨於穩定；其二，菁英甄補的「條件」早已 不是秘密，坊間秘聞性質的書籍可能都提出看似非常有說服力的說 法。不過，科學研究還是要強調系統性解釋的可能，因此對於預測不 準的誤差值，其實是最需要進一步分析的部分。透過迴歸分析的變因 控制，能夠讓研究者更有系統地分析既有變項無法解釋的暗區，從而 協助發展出新的變數。