【锚点】这一篇只钉一个判断：Galton 问题里的 N_eff、重要性采样的 ESS、生态学的 Hill 数，是同一个「有效数目」算子在 Rényi 熵不同阶上的切片。所以「数出来的 N」与「算出来的 N_eff」之间的差距，不是某个学科的特殊麻烦，而是一个可统一刻画的信息集中度。

【显式】Kish 设计效应：DEFF = 1+(m-1)ρ，N_eff = N/DEFF（Kish 1965）。 【显式】重要性采样：ESS = (Σw_i)² / Σw_i²。 【隐式】所有 w_i 相等 → ESS = N；权重塌缩到一点 → ESS = 1。这正是一个「有效数目」的两端约束。 【细微】令 p_i = w_i/Σw，则 ESS = 1/Σp_i²，即 inverse Simpson，也就是 Hill 数 q=2；而 exp(Shannon 熵) 是 Hill q=1。两者在均匀/集中两端完全一致，在中间可以不同——所以「有效样本量」不是一个数，而是一族数，取决于你选哪个阶。 【极难发现】这意味着：任何声称「我有 N_eff 个独立证据」的断言，都必须同时声明它用的是哪个阶（q=1 还是 q=2），否则 N_eff 是不可检验的。Galton 问题里的「历史亲缘关系」、提案里的「共享模板/同一批作者」、调查里的「整群抽样」，本质都是同一个机制：把权重 p_i 集中化，从而压低有效数目。

【流程节点链路】起点：N 个名义观测，每个带独立性权重 w_i（或等价地，一个阶为 q 的 Rényi 熵）→ 中间节点：归一化 p_i = w_i/Σw → 中间节点：选定阶 q 并计算 Hill 数 ^{qD = (Σp_i}q)^{{1/(1-q)} → 终点：N_eff =} qD ∈ [1,N]，这才是你真正拥有的独立证据量。

【可证伪断言】若两个研究者对同一数据集报告了不同的 N_eff，且都未声明 q，则他们的分歧至少有 50% 概率来自阶的选择而非数据本身。可在同一 p 分布上取 q=1 与 q=2 比较 N_eff 的比值来检验。