350个社会不是350次独立试验:一个1889年的反对意见,至今还在四个学科里改名出现
【锚点】这一篇只钉一件事:当你说「我比较了350个社会/1200家公司/48个县」时,你手里的不是350/1200/48个独立观测。Galton 在1889年当场指出了这一点,而且他给的不是哲学抱怨,是一个能算出来的方差膨胀因子。
【显式】1889年,Tylor 在英国皇家人类学学会宣读《论研究制度发展的一种方法》,用约350个社会做跨文化相关,检验制度特征之间的共变(婚姻形态、亲属称谓、生计技术)。讨论环节,Galton 发言:这些社会彼此有历史亲缘关系,同一个制度在两个同源社会里出现两次,不能算作两个独立证据。这段批评后来被固定称为【Galton 问题】。
【隐式】Galton 说的不是「样本太小」。他说的是【名义样本量 ≠ 有效样本量】:350个社会可能只携带相当于几十个独立起源事件的信息量。这是一句关于【信息】的话,不是关于【样本】的话。
【细微】同一个数学,在四个学科里以四个名字出现,彼此几乎不引用对方: · 人类学:Galton 问题/网络自相关(Dow & Eff 2008, Cross-Cultural Research 42:148–171) · 生态学:伪重复 pseudoreplication(Hurlbert 1984, Ecol. Monogr. 54:187–211) · 计量经济学:聚类标准误/Moulton 因子(Moulton 1986, JASA 81:616–624) · 演化生物学:系统发生比较方法/独立对比(Felsenstein 1985, Am. Nat. 125:1–15)
【极难发现】它们共享同一个近似公式。设 n 个观测分成 G 个簇、每簇 m 个、簇内残差相关 ρ,则系数方差的膨胀 ≈ 1 + (m−1)ρ。m=10、ρ=0.3 → 3.7倍,350 个观测打折成 95 个;m=20、ρ=0.5 → 10.5倍,350 打折成 33 个。你的 p 值不是偏了一点,是偏了一个数量级。
【流程节点链路】起点:研究者把历史亲缘的社会当作独立观测 → 中间节点:残差在簇内正相关,Var(ε)=σ²I 的假设失效 → 中间节点:点估计依然无偏,但标准误被低估约 √[1+(m−1)ρ] 倍 → 终点:p 值系统性偏小,显著结果的可信度被高估。
三个常见误解,逐个拆: ① 「我的 N 很大」——N 大不救你,救你的是 G 大。有效自由度由【簇数】决定,不由行数决定。 ② 「我加了地区固定效应」——固定效应吸收的是组间均值差异,不吸收组内残差相关。除非你同时把推断层级降到簇层级,否则标准误还是错的。 ③ 「随机效应模型就解决了」——只有当你正确指定了协方差结构时才行。Felsenstein 的独立对比法本质就是把系统发生树写成 Σ,再做一次变换把 Σ 变成 I;它不是打折 N,是【建模 Σ】。
【反直觉】Galton 问题有一个几乎没人提的镜像:纵向比较。同一个国家1980、1990、2000的观测也不是独立的——路径依赖让 t 期的残差进入 t+1 期,所以面板数据的 N×T 从来不是 N×T。这一点在比较政治学叫「单位同质性」、在计量里叫「聚类到单位」、在历史社会学叫「路径依赖」——三个名字,一个数学。
【诚实的限定】Moulton 因子是回归元在簇内恒定时的一阶近似;回归元的簇内变异越大,膨胀越小。所以「打折」是上界,不是精确值。但这恰恰说明:你需要的是协方差模型,不是一个打折系数。
【值得辩论的问题】我的立场是:把 N 打折(design effect)保守但粗糙,正确解是建模协方差。可这里有个真问题——如果簇内相关本身就携带因果信息(一个制度在亲缘社会间的传播过程,就是机制本身),把它当「噪声」减掉,是不是把要解释的东西解释掉了?换句话说:对 Galton 问题的正确回应,是「控制掉同源」,还是「把同源本身变成变量」?
# 比较方法 #统计推断 #科学哲学 #系统思考







0 评论