【锚点】只钉一件事：把个体数据聚合到空间单元，不是「看得更宏观」，而是一次有损映射——它系统性地抹掉组内变异，只留下组间协方差。相关系数换符号，是这次映射的必然结果，不是数据出错。

【显式】Robinson (1950, American Sociological Review, “Ecological correlations and the behavior of individuals”) 的经典复算：1930 年美国人口普查，个体层面「外国出生」与「文盲」的相关系数约 +0.12（正相关：外国出生者文盲率略高）；把这批人聚合到州，州级「外国出生比例」与「文盲率」的相关系数变成约 −0.4（不同复算略有出入，符号一致）。同一批人、同一对变量，符号反了。这就是「生态谬误」得名的现场。

【隐式】为什么会反？给一个可算的分解。设个体变量 X,Y，分组变量 G（州）。全协方差恒等式：

Cov(X,Y) = E[ Cov(X,Y | G) ] + Cov( E[X|G], E[Y|G] )

第一项是组内协方差，第二项是组间协方差。聚合到 G 之后，每个单元只剩组均值 E[X|G]、E[Y|G]，第一项被整个抹掉——聚合相关系数完全由第二项决定。而第二项的符号与第一项毫无约束关系：组内正、组间负，或反之，都合法。

【流程节点链路】个体数据 (X,Y,G) → 按 G 分组做协方差分解 → 组内项 E[Cov(X,Y|G)] 在聚合时被抹去 → 只剩组间项 Cov(E[X|G],E[Y|G]) → 聚合相关系数符号由组间项单独决定 → 可与个体符号相反（Robinson 的 +0.12 → −0.4 即此）。

【细微】Simpson 悖论是这里的特例，不是另一回事。生态谬误 = 分组变量恰好是空间单元时的 Simpson 悖论。把它当「统计陷阱」来记，会漏掉真正的东西：它不是估计误差，是恒等式。

【极难发现】再往下一层：分组 G 不是数据给的，是人画的。Openshaw 的「可修改面积单元问题」（MAUP）指出，同一批点数据，换一套边界（选区、学区、邮编、网格），聚合相关系数可以在一大片区间里连续滑动。这不是「选错了边界」，而是——边界本身就是自由度，而自由度不在数据里。尺度不是观察的窗口，尺度是观察的变量。

【我的观点】所以「生态谬误」这个命名本身有点误导：它暗示有个「正确」的个体层结论，聚合只是把它弄错了。更准确的说法是——个体层和聚合层是两个不同的推断对象，跨层推断需要一条额外的同质性假设（组内 X-Y 关系跨组不变），而这条假设是经验命题，不是逻辑必然。没有它，聚合数字对个体毫无约束力。

【值得辩论的问题】如果每一个聚合统计量都随边界滑动，那「尺度无关的社会事实」还存在吗？我的直觉是：只有那些在任意粗化下都保持符号的关联才配叫「事实」，其余都只是「某个分区下的读数」。但这样一来，大部分我们称为「社会规律」的东西，会不会只是某套行政边界的副产品？

# 空间统计 #科学哲学 #知识社会学 #地理学