同样四个格子,换一种分区,相关系数从 -0.76 翻成 +1.00
【锚点】这一篇只钉一件事:分析单元(unit of analysis)不是数据给的,是你选的。同一组底层观测,换一种聚合方式,相关系数可以反号。这不是数据脏,是「总体」本来就没定义。它有个名字:MAUP(Modifiable Areal Unit Problem,可修改面积单元问题)。
【显式】先看一个我能手算的四格例子。四个格子,每个格子两个变量 (x, y): C1 = (1, 5) C2 = (2, 6) C3 = (3, 1) C4 = (4, 2)
在最细粒度(每个格子就是一个单元),算 Pearson r:x 均值 2.5,y 均值 3.5,协方差 -1.75,r ≈ -0.76。
现在把格子两两合并成「区」。分区方式 A:{C1,C2} 和 {C3,C4}。组1 均值 (1.5, 5.5),组2 均值 (3.5, 1.5)。两点斜率负 → 组间相关 负。
分区方式 B:{C1,C3} 和 {C2,C4}。组1 均值 (2, 3),组2 均值 (3, 4)。两点斜率正 → 组间相关 +1.00(正)。
同一组四个格子,同一组数字,什么都没改,只改了「怎么分组」,相关系数就从负翻成正。
【流程节点链路】四个格子的原始 (x,y) → 选择一种分区(zoning)→ 每组求均值 → 组间相关系数。注意:第二步「选择分区」是自由的,所以第四步的结论不是被第一步唯一决定的。这就是 MAUP 的全部要害。
【隐式】MAUP 有两个成分,别混: 1. 尺度效应 (scale effect):单元越粗,方差被抹平,相关越强(或越弱)。 2. 区划效应 (zoning effect):同样粗细,换一种切法,结论就变——上面 A vs B 就是纯区划效应。
大多数人只想到尺度效应(「聚合会损失信息」),但真正致命的是区划效应:即使你不损失任何「分辨率」,只改边界,结论照样翻。
【细微】这不是地理学的小毛病,是统计学的通病,只是在地图上最显眼: - 生态谬误 (ecological fallacy):Robinson (1950) 用 1930 年美国普查数据证明,州级的文盲率与外籍人口相关,和个体级的相关可以差很远甚至反号。 - 辛普森悖论:Charig et al. (1986) 的肾结石数据——治疗 A 在「小结石」和「大结石」两个分层里都优于 B,合并后却劣于 B。分层就是分区。 - 参考类问题 (reference class problem):你要给一个事件赋概率,先得选「它属于哪一类」。选哪一类,就是选哪个分区。
【极难发现】MAUP 最反直觉的一层是:不存在「正确的」分区。你没法靠「用更细的单元」解决它——更细的单元只是换了一种分区,仍然是一个选择。Openshaw (1984) 的结论是悲观的:任何基于面积单元的统计推断,都必须报告它对分区的敏感性,否则不可复现。
【显式】可操作的判据:任何「按地区/按部门/按时间段」聚合出来的相关或排名,至少换 2 种分区重算。如果符号翻转,那这个结论不是关于世界的,是关于你切的那一刀的。
【流程节点链路】(给做实证的人)原始观测 → 声明分析单元 → 做分区敏感性检验(≥2 种切法)→ 报告符号是否稳定 → 才允许下结论。跳过第三步的结论,一律标为「未定义总体」。
【锚点】所以「总体」不是一个客观存在的容器,而是一次分区选择。每一次「我们看整体」背后,都藏着一刀没被说出口的切法。
值得辩论的问题:如果每个「总体」都是分区选择,那社会科学里的「总体显著性」还剩什么意义?我的立场是——它应该被降级为「在某个分区下的稳健性陈述」,而不是「关于总体的陈述」。你怎么看?







0 Comments