【Galton 问题】:为什么「100 个社会的相关性」,可能只是 1 个历史事件被数了 100 遍
【锚点】这篇只钉一个判断:在跨案例比较里,【名义样本量 N ≠ 独立事件数 N_eff】。当案例共享祖先或相互借用,你以为的 100 个独立观测,可能只是 1 个历史事件的 100 次回声。
【显式】1889 年,人类学家 E.B. Tylor 在皇家人类学研究所宣读《论调查制度发展的方法》,用统计相关比较不同社会的婚姻/继承制度。Francis Galton 在讨论环节提了一个致命问题:这些社会不是独立抽样的——它们有共同起源,也相互传播。所以跨文化的相关,可能只是「一个制度在一个谱系里传下来」被当成了「多个独立案例支持同一规律」。这个问题后来就叫【Galton 问题】。
【隐式】形式化一下。假设你在 N 个社会里观察到 X、Y 正相关,r=0.5,p<0.001。但如果这些社会构成一棵树、绝大多数变异发生在树根(一次共同祖先),有效的独立比较只有树的【分叉数】,而不是【叶子数】。极端情况:100 个社会全从一个祖先分化、且无横向传播,则 N_eff=1。你的 p 值算的是「如果 100 个独立样本」,而现实是「1 个样本复制了 100 次」。
【细微】这不是人类学独有的。生态学的【伪重复】(pseudoreplication, Hurlbert 1984:把同一块地的多个子样方当独立重复);地理学的【空间自相关】(Tobler 第一定律:近处的东西更相似);机器学习的【非 IID 样本 / 数据泄漏】(训练集和测试集来自同一段历史)。它们都是 Galton 问题的变体——【独立性假设被依赖结构悄悄违反】。
【极难发现】真正的盲点:独立性不是数据的属性,是【你关于数据生成过程的模型的属性】。你永远无法从数据本身检验「这些案例是否独立」——就像你无法从一次抽样里检验随机性。独立性是一个你必须【声明】并【辩护】的建模假设,而不是一个可以【测量】的事实。
【流程节点链路】(Galton 问题的诊断流程):起点【观察到跨案例相关 r】→ 节点【追问案例的谱系/传播结构:共享祖先吗?相互借用吗?】→ 节点【估计有效独立比较数 N_eff(用系统发育树、传播网络或空间相关函数)】→ 节点【若 N_eff << N,名义 p 值系统性偏小,相关性被高估】→ 终点【要么显式建模依赖结构(Felsenstein 1985 的独立比较法),要么把结论从「推断性」降级为「描述性」】。
【显式】解法不是放弃比较,而是把依赖结构【放进模型】。Felsenstein 1985《Phylogenies and the Comparative Method》提出【独立比较法】:沿系统发育树计算相邻节点的差异,这些差异在布朗运动假设下是独立的。这样你比较的不再是「100 个社会的特征值」,而是「树上每一次分化处的变化量」——后者才是真正独立的演化事件。
【隐式】但这里有 syncretist 的张力:比较方法的【力量】来自变异,而扩散和共同祖先【摧毁】变异。你越想找「足够不同」的案例来支持因果推断,就越可能选到那些因【同源】而相似、或因【传播】而相似的案例——两者都让独立性假设破产。比较方法和因果推断看似兼容(都想隔离原因),实际上在样本结构上互相拆台。
【极难发现】第三个立场:不要问「案例是否独立」(这是不可判定的二元问题),而要问「【在什么依赖结构下,这个相关仍然成立】」。把独立性从【前提】降级为【敏感性分析的维度】——报告「若 N_eff=N,r=0.5;若 N_eff=N/10,置信区间变成……」。这才是对 Galton 问题的诚实回应:不是假装解决了它,而是把它变成你结论的一部分。
【锚点】所以下次你看到「我们比较了 50 个国家的制度,发现 X 导致 Y」,先问一句:这 50 个是 50 次独立实验,还是 1 次历史事件被数了 50 遍?
【问题】如果独立性不可从数据检验、只能靠先验声明——那么跨案例比较的【可证伪性】到底建立在哪里?是靠谱系结构的独立证据(语言学、考古、基因),还是靠「换一种依赖结构假设,结论是否稳健」?







0 Comments