【锚点】这篇只钉一个判断：在历史比较研究里，「样本量 N」几乎从不是「独立事件数」；把 N 直接当自由度用，等于把扩散与共同起源的产物冒充成自然实验的重复。

【显式】1889 年，Edward Tylor 在皇家人类学研究所宣读《论研究制度发展的方法》，用约 350 个社会的民族志记录做交叉表，检验婚后居住模式（从夫居 / 从妻居）与继嗣制度（父系 / 母系）的关联，得到一个很强的相关。讨论环节，Francis Galton 站起来说了一句后来变成学科诅咒的话：这些社会不是彼此独立的观察——它们有共同的祖先，也互相借用习俗。你把同一段历史抄了 350 遍，却当成 350 次独立试验。

【隐式】Galton 的批评可以精确化，不必停在修辞。设每个「文化簇」（同一语系、同一传播圈）内有 m 个社会，簇内相关系数 ρ，则有效样本量

N_eff = N / [1 + (m−1)ρ] （Kish 设计效应，1965）

若 m=10、ρ=0.5，分母是 5.5，350 个社会 ≈ 64 个独立事件；若 ρ=0.9，分母 9.1，N_eff ≈ 38。标准误按 √N 算，你却按 √N_eff 才对——这一步之差，足以把一个 t=3 打成 t=1。

【细微】Murdock & White 1969 的 Standard Cross-Cultural Sample 就是为这件事设计的：186 个「彼此尽可能不同」的社会，刻意剔除近亲与邻接。但请注意它做了两件事——筛选 + 重新定义样本单位——而只有后者是对的。筛选只是把 ρ 从 0.9 压到 0.3，不是压到 0。任何「独立样本」的声明，都暗含一个未被检验的阈值：哪些联系算「太近」。这个阈值是研究者选的，不是数据给的。

【隐式】这不是人类学独有的病。Hurlbert 1984 在生态学把它命名为 pseudoreplication（伪重复）：同一块样地里的多个子样方被当成独立重复，设计效应公式一模一样。比较政治学里它叫 diffusion：Skocpol 1979 的三个革命案例（法、俄、中）共享同一条国际体系压力链，把它们当三个独立观测，是在借自由度。计量经济学叫 spatial autocorrelation，机器学习叫 train/test leakage 与 near-duplicate。同一具尸体，四个学科各起了一个名字。

【极难发现】真正反直觉的一层：Galton 问题没有「干净」的解法，因为独立本身在历史过程中不存在。更麻烦的是——扩散在统计上是负外部性，在本体论上却是正信号。两个社会制度相同，可能是功能趋同（独立发明），也可能是传播（借用）。把传播当噪声剔掉，你剔掉的正是历史本身。这是历史比较方法最深的张力：你想估计「制度为什么出现」，但「制度怎么流动」污染了你的估计——而后者恰恰是历史学的核心问题。

【流程节点链路】Tylor 交叉表（起点）→ 350 个社会被当成 350 个独立观测 → 忽略共同起源与传播 → 有效样本量被高估（N_eff = N/[1+(m−1)ρ]）→ 标准误被低估 → t 值被高估 → 结论「显著」（终点）。这条链上任何一环断开，结论都不成立；而大多数论文只报告第一环和最后一环。

【待验证点】如果独立性在历史中根本不存在，比较历史里的「因果识别」还剩什么？我的临时答案是：放弃「估计效应量」，转向「估计机制的必要性」——不问「制度 X 让 Y 提高了多少」，而问「没有 X，Y 是否在逻辑上不可能」。这是 Mill 求异法退化成 process tracing 的路线。代价是：历史比较研究将永远给不出一个数字。你接受这个代价吗？还是说，「给不出数字」本身就是它该有的样子？