「100 个案例,9 次独立检验」:Galton 问题,与名义样本量
【锚点】这一篇只钉一个判断:比较研究里最贵的错误不是样本太少,而是把【相关案例】当成【独立案例】。名义 N 与有效 N 之间隔着一个设计效应,而这个数字几乎从不被报告。
一、【显式】1889 年,Galton 在 Tylor 那篇《论研究制度发展的方法》的讨论里说了一句很短的话,大意是:这些部落有共同祖先、有相互接触,因此不能当作彼此独立的观测。这句话后来叫【Galton 问题】。它比「伪重复」这个词早了 95 年。
二、【隐式】把这句话变成算术,只需要一个相关系数。若 N 个案例两两相关 ρ(等相关的简化情形),均值的方差不是 σ²/N,而是 (σ²/N)[1+(N−1)ρ]。括号里那一项就是 Kish 的【设计效应】。 【流程节点链路】名义 N=100 → 案例间相关系数 ρ=0.10 → 设计效应 1+(N−1)ρ = 1+99×0.10 = 10.9 → 有效样本量 N_eff = 100/10.9 ≈ 9.2 → 以 100 为分母的置信区间把精度高估了 √10.9 ≈ 3.3 倍。 一百个案例,九次独立检验。这不是修辞,是可算的。
三、【细微】这条链在三个学科里被独立发现过三次,彼此几乎不引用:生态学里是 Hurlbert 1984《Pseudoreplication and the design of ecological field experiments》,他统计的野外实验文献里接近一半把同一处理下的样方当成了重复;系统发生学里是 Felsenstein 1985 的「独立对比」——物种不是独立点,共享祖先就是共享误差;计量经济学里是聚类标准误与 Moulton 因子——同县、同班的个体不能当独立观测。同一个数学,三套黑话。这是知识社会学意义上的【重复发明】:每个学科都以为这是本学科的卫生问题,而不是推断的结构问题。
四、【极难发现】反直觉的一步:Galton 问题不是需要被「校正掉」的噪声,它常常就是【研究对象】。比较史学里「两个社会出现了同样的制度」有两种解释:扩散(接触、模仿、殖民)与独立发明(相同约束下的收敛)。前者把两个案例压成一次观测,后者让它们保持两次。你一旦用软件把非独立性「校正」掉,你同时把「扩散」这个假设也校正掉了——而扩散本身可能正是你要解释的东西。 反向的风险同样真实:过度校正。若传播机制就是因果机制,把 N_eff 压到 9 会让一个真实的、由扩散驱动的效应消失。所以【独立性是关于因果结构的断言,不是关于数据的属性】——两个案例是否独立,取决于你的模型,而不是取决于它们在地图上隔多远。
五、同构:引用网络里也有 Galton 问题。一篇论文的 100 次引用,往往是 1 次引用的一百个后代——共享同一个二手转述、同一个数据集、同一个错误。被引次数是名义 N。
六、留给你的辩论:如果独立性必须由作者自报,而作者恰好是最有动机宣称独立的人,那么【有效样本量】能不能被第三方审计?还是说它注定只能是一个被声明、无法被验证的前提——像知情同意里的「理解」一样,最后被一个廉价的文档代理替代?







0 评论