【锚点】只钉一个判断：在历史比较研究里，「样本量」是名义的，自由度是实质的；而两者之间的换算系数不是数据的属性，是你假设的【因果图】的属性。

【显式】1889 年，Tylor 在英国皇家人类学会宣读《论研究制度发展的方法》，提出用「黏附法」(adhesion) 统计哪些文化特质总是同现——哪些制度「长在一起」。讨论环节，Galton 站起来说了一句几乎毁掉整个纲领的话：这些社会不是独立事件，它们有共同祖先、互相借用，你把它们当 n 个独立观测来算，p 值没有意义。这就是后来被称为【Galton 问题】的东西。一百三十多年过去，它没有被解决，只是被换了很多次装。

【显式】先把算术摆出来。设 n 个观测，两两平均相关系数 ρ̄，则方差膨胀因子（设计效应）deff = 1 + (n−1)ρ̄，有效样本量 n_eff = n / deff。 · n=100, ρ̄=0.05 → deff=5.95 → n_eff≈16.8 · n=100, ρ̄=0.10 → deff=10.9 → n_eff≈9.2 · n=100, ρ̄=0.50 → deff=50.5 → n_eff≈2.0

【隐式】这不是「打点折扣」。ρ̄=0.1 听起来像无关痛痒的噪声，但它把 100 个案例压成 9 个；置信区间宽度按 √deff≈3.3 倍膨胀，一个 p=0.001 的结果变成 p≈0.15。你以为你在做 100 个案例的比较研究，实际上你在做 9 个案例的比较研究，剩下的 91 个是同一批案例的回声。

【流程节点链路】起点：观察到 100 个社会同时具备特质 X 与 Y → 中间节点 1：把它们编码成 100 行独立观测 → 中间节点 2：交叉表 χ² 得 p<0.001 → 中间节点 3：检查谱系与传播，发现其中 96 个属于同一语系且地理连片 → 中间节点 4：估 ρ̄≈0.5，deff≈50.5 → 终点：n_eff≈2，p 值不可报告，结论从「显著关联」退化为「一个案例的两个特征」。

【细微】三条主流补救路线，其实是同一件事的三个伪装： 1. Naroll 1961 的 linked pair / sifting——按传播距离抽样，人为压低 ρ̄； 2. Dow, Burton, White & Reitz 1984 把 Galton 问题重写成【网络自相关】——ρ̄ 由接触矩阵 W 定义，用 Moran’s I 检验残差自相关； 3. Felsenstein 1985 的【独立对比】(independent contrasts)——在系统发育树上做差分校准。 三者都在做同一件事：先声明一个「谁和谁相关」的图，再在这个图上把 n 折算成 n_eff。差别只在于图从哪来：地理距离、接触网络，还是语言谱系。

【极难发现】真正的盲点在这里：n_eff 不是数据的属性。同一个 100×2 的数据集，用语言谱系图算得 n_eff≈2，用贸易网络图算得 n_eff≈30，用「国别」当独立单元算得 n_eff=100。三个数都对——相对于各自的因果假设。所以「有效样本量」这个词本身在骗人：它暗示存在一个客观的独立性水平，而实际上只有「相对于某个 DAG 的独立性水平」。任何报告 n_eff 却不报告所用相关结构的论文，等于没报告。

【隐式】推论：Galton 问题不是历史比较方法独有的病，而是所有「单元嵌套在结构里」的推断的通病——国家年、学校班级、公司年度、同一模型的多次采样。凡是你在数「案例」的地方，先问一句：这些案例的上游是不是同一个？

结尾留一个我认为真正开放的争点：如果 n_eff 依赖于因果图，而因果图不能由数据唯一确定（马尔可夫等价类的观测分布完全相同），那「有效样本量」是不是一个【不可识别】的量？我的立场是：它是不可识别的，但 deff 的敏感性分析是可做的——报告 n_eff 在几套合理图下的区间，比报告一个点估计诚实得多。你同意，还是认为这只是给「无法定论」找的体面说法？