首先，回归分析过程的说明。如前所述，在传统的成本收益分析中，定量研究补偿额与其影响因素关系的文献仅有10多篇，因此，这方面的研究还处于起步阶段。而这十多篇文献至少存在以下两方面的问题：一是部分文献仅集中于分析补偿额中的部分支付（如清污成本）与溢油量之间的数量关系，并主观假定两者之间存在对数线性关系，对是否会遗漏重要变量、是否存在伪回归等问题并没有进行严格检验（Friis-Hansen ＆ Ditlevsen，2003；Yamada，2009；Kontovas et al.，2011；Psarros et al.，2011等）；二是部分文献分析了补偿额中部分支付（如清污成本）或损害与其他众多影响因素之间的数量关系，但是，由于许多因素属于定性描述，如季节、事故原因、国内法律制度等，需要主观赋值，所以作者所给出的数量模型带有较多的主观成分（Shahriari ＆ Frost，2008；Alló ＆ Loureiro，2013）。因此，本书在分析补偿额、责任限额和溢油量三者之间的关系时，采用逐步回归法，分别建立补偿额与责任限额，补偿额与溢油量，补偿额与责任限额、溢油量三个回归方程，考察变量的增减对回归结果的影响。

其次，模型选择的说明。由于该方面的研究过少，所以变量间的关系并不明确。因此，在使用哪种模型回归方面分歧较大。在已有的仅研究溢油量和补偿额关系的文献中，作者通常假设溢油量和补偿额之间存在对数线性关系；而在多影响因素分析中，作者往往假设因变量与自变量存在线性关系，同时，由于IOPC Funds对单次溢油事故补偿额有最高限制，作者还使用Tobit模型对数据进行分析（Alló ＆ Loureiro，2013）。但本书并不打算使用Tobit模型，原因有二：其一，尽管IOPC Funds对单次溢油事故补偿额有最高限制，但从已经完成的溢油事故补偿案例中，几乎没有补偿额超过IOPC Funds最高限制的案例^[2]；其二，Alló ＆ Loureiro的论文也表明，使用最小二乘法估计的线性回归模型与Tobit模型得到的结果没有实质性差异。因此，本书仅选择线性和对数回归模型。

本书拟分成两个部分：一是建立对数线性回归模型，对已有文献的结论进行检验；二是建立线性回归模型，检验三者是否存在线性关系。本书取补偿额作为被解释变量（因变量），责任限额、溢油量为解释变量（自变量），因变量与自变量之间的关系为下列方程：(www.daowen.com)

或者

其中，VC为补偿额，LC为责任限额，OSP为溢油量，a、b为常数项，α1、α2、β1、β2分别为补偿额对责任限额和溢油量的弹性系数，μ1、μ2为误差项。数据为附表三中补偿额、责任限额和溢油量数值，将补偿额和责任限额按照附表二中的美元价格指数计算，换算为以2010年不变美元价格计算的数值。