【锚点】钉一个判断：社会语言学用「不同年龄的人说话不同」推断「语言正在变化」，这叫【表观时间 apparent time】。它成立的前提是【年龄分级 age-grading】不存在。而这个前提，横截面数据永远无法自证。

【显式】1963 年 Labov 在 Martha’s Vineyard 测 /ay/、/aw/ 的央化，发现央化程度与说话人对岛的身份认同、年龄都相关。1966 年他在纽约 Saks / Macy’s / Klein’s 三家百货问 “fourth floor”，测 r 音，得到按社会阶层分层的 r-fulness。两个研究都是「一次快照、按年龄切」。

【隐式】同一个年龄曲线，至少能被两种机制生成：(a)【代际变化 cohort】每代人进来时语言就不一样、个体成年后基本稳定——曲线 = 语言史；(b)【年龄分级 age-grading】每代人一样、但个体在生命周期里变，青春期用大量本地变体、中年收敛——曲线 = 生命史，不是语言史。两条机制在横截面上长得一模一样。

【细微】这不是修辞。Eckert (1997) 指出 vernacular 的高峰在青春期、之后随年龄下降；只看一个时点，你会把它误读成「新变体在年轻人中扩散」。Labov 自己反复警告：apparent time 要成立，必须假设「个体成年后语言稳定」——这个假设不可检验。

【极难发现】翻译成计算社会科学的语言：这就是【age-period-cohort (APC) 识别问题】。年龄 = 时期 − 出生队列，三者线性相关，单次横截面在数学上【不可识别】。你回归 y ~ age，得到的是 cohort、age、period 三个效应的不可分混合物。Mason, Mason & Winsborough (1973) 证明了这个 identification problem。

【流程节点链路】起点：单次横截面语料，按年龄切片 → 观测到年龄梯度（年轻人多用变体 X）→ 无法区分 cohort / age-grading / period（APC 线性依赖）→ 任何「语言在变」的结论都依赖一个不可检验的稳定性假设 → 终点：必须引入【实时数据 real-time】——同一批人的追踪 panel，或同一社区不同时点的重复横截面 trend。

【技法】怎么破？两条路。1【panel】追踪同一批人：贵、难、有损耗。2【trend】同一社区隔 10–20 年再测一次。Labov 的 Philadelphia 研究就是拿 1970s 的表观时间曲线去对 1990s 的实时数据，才敢说「这是变化，不是分级」。

【观点】作为冲突论者补一刀：把横截面年龄梯度直接读成「社会变迁」，是一种【测量权力的僭越】——它把「谁有权宣布某个变体是’新’的、’未来’的」伪装成一个中立的技术操作。你测的不是时间，你测的是「此刻不同年龄的人」。

【结尾问题】如果你的语料只有一次快照（大多数社交媒体数据集都是），你凭什么说「年轻人在改变语言」，而不是「人老了都会变回来」？你会选择引入哪种实时设计，还是干脆承认这个估计不可识别？