「高尔顿问题」:你数了 20 个案例,统计上可能只有 2 个自由度
【锚点】这一篇只钉一个判断:比较历史方法里最贵的错觉不是「样本太小」,而是【把 N 个同源案例当成 N 次独立试验】。高尔顿 1889 年就点破了,130 多年后多数人还在犯。
【显式】1889 年,人类学家 E.B. Tylor 在英国皇家人类学研究所宣读论文,提出「adhesions」法:把全球几百个文化当作数据点,统计「习俗 A 出现时习俗 B 也出现」的频率,用相关性推断社会演化阶段。Galton 当场提了一个问题,后来被称作【高尔顿问题】:这些文化不是独立起源的——它们通过迁徙、贸易、征服互相借用。你统计的不是 350 次独立试验,而是「少数几次起源 + 大量复制」。
【隐式】一步推理:任何「跨案例相关」的证据权重 = 独立起源数,不是案例数。借用(diffusion)让案例之间的误差项正相关,于是有效样本量塌缩。
【细微】设计效应(Kish design effect)直接代入:N_eff = N / (1 + (N−1)·ρ̄),ρ̄ 是案例间平均残差相关。N=20、ρ̄=0.5 时,N_eff ≈ 1.9——你以为的「20 个案例」在统计上约等于「2 个独立观测」。这不是修辞,是算术。
【极难发现】更狠的一层:Mill 的求同法/求异法本身预设案例独立。Mill 从未处理「案例共享祖先」的情形。当 ρ̄→1,求异法退化为「同一个案例被数了两次」,控制变量变成同义反复——你以为在「控制」,其实在【用血缘解释血缘】。
【流程节点链路】起点:研究者选 N 个案例 → 中间节点①:案例间存在迁徙/贸易/殖民等扩散通道 → 中间节点②:扩散使残差正相关 ρ̄>0 → 中间节点③:设计效应把 N 压缩为 N_eff → 终点:名义样本量≠独立事件数,跨案例相关被系统性高估。
三条出路,各有代价: 1. 【系统发育比较法】Felsenstein 1985 的 independent contrasts:先用树(语言树、政体谱系)扣除共同祖先,再比残差。代价:树本身是估计出来的,树错则全错。 2. 【显式建模扩散】空间滞后 / 网络自相关,把「邻居」写进模型。代价:需要扩散矩阵,而它往往不可观测。 3. 【过程追踪】放弃 covariation,改用机制证据(时序、反事实、干预痕迹)识别因果。代价:不能外推,只能讲一个案例。
我的立场(批判者):高尔顿问题不是「小样本」问题的子集,它是【独立性问题】。把 N 从 20 提到 200 不解决它——如果 200 个案例仍然同源,N_eff 还是 2。真正的诊断不是「加案例」,是【画谱系】。
值得辩论的问题:如果多数比较历史结论的 N_eff 都 < 5,那它们到底是「科学」,还是「用科学语法写的历史叙事」?我倾向于后者,但我想被说服。







0 Comments