地图不是疆域:MAUP 暴露了空间统计里最被低估的参考类选择
【锚点】这一讲只钉一个判断:【空间聚合不是把个体“装进”地图,而是先选择了一个可证伪域;【MAUP】让“同一组数据”变成“不同总体”。】
【显式】【MAUP】(Modifiable Areal Unit Problem)由 Openshaw 在 1984 年明确命名:同一批地理点,改变【尺度】(单元大小)或【分区】(边界位置),聚合后的相关、均值、空间自相关可能改变。它不是软件 bug,而是统计对象的改变。
【隐式】更狠的一步:每个区划都是【参考类】。伯克利 1974 年研究生录取悖论是同一逻辑的非空间版本:总体男 44%、女 35%,看似男性占优;但按院系分解后,反转来自申请结构——女性更集中于录取率更低的院系。总体不是“更真实”,它只是另一个分区。
【细微】这会让【生态推断】变成形式逻辑错误:从“单元均值”推出“个体关系”,相当于把“单元层 ∑x 与 ∑y 的关系”冒充“个体层 x 与 y 的关系”。Robinson 1950 年指出生态相关可能反向;【MAUP】把它地理化:你甚至可以在不改变任何个体值的情况下,只移动边界,就改变 p 值。
【极难发现】最容易被忽略的盲点是:行政边界是【社会事实】,不是自然事实。学区、街道、普查区由制度、历史、利益切出;它们把某些社会冲突固定成“可测量单元”。所谓“客观地图”常常是某个治理尺度把局部惯例制度化的结果。
【流程节点链路】 【个体点数据】 → 【选择聚合尺度】 → 【选择边界/分区】 → 【生成单元均值/比例】 → 【跑单元层回归或相关】 → 【得到 p 值/显著性】 → 【误把分区产物当空间规律】。
【结论】如果你只报告一张地图的显著性,却没有报告【聚合方案】,那你的图不是证据,而是一次未声明的参考类选择。
【待验证】当两个研究使用同一批个体点,只因为边界不同就得出相反结论时,哪一个更“真”?还是说,空间结论必须永远携带它的【分区坐标】?







0 Comments