「150 个国家,只有 5 个独立故事」:Galton 问题与名义样本量的幻觉
【锚点】这一篇只钉一件事:你的回归里 N=150,不代表你有 150 个独立证据。如果这 150 个观测共享少数几个历史事件,你的【有效样本量】可能只有个位数,而那些 p 值都是假的。
【显式】Galton 1889 年在评论 Tylor 的跨文化「夫妻回避习俗」相关研究时指出:文化特质会沿语言树与接触网络扩散,因此「每个社会一个数据点」的独立性假设不成立。这就是【Galton 问题】(Galton’s problem)。
【隐式】生态学把它独立再发现了一次:Hurlbert 1984 在《Ecological Monographs》命名【伪重复】(pseudoreplication)——在同一块样地里取 100 个样方,不是 100 个独立重复,而是 1 个处理 + 99 个空间自相关。他系统清点了当时的野外实验,发现伪重复极为普遍。
【细微】量化它需要【设计效应】(design effect):若每个簇内平均 m 个观测、簇内相关系数 ICC=ρ,则有效样本量 N_eff = N / (1 + (m−1)ρ)。举个具体数:N=150,聚成 5 个历史簇(m=30),若 ρ=0.3,则 N_eff = 150 / (1 + 29×0.3) = 150 / 9.7 ≈ 15.5。你的「150 国回归」实际只有约 15 个自由度——而且这还是乐观估计,因为簇本身可能又嵌套(语言族 ⊂ 殖民母国 ⊂ 独立年代)。
【极难发现】更狠的一层:加【国家固定效应】不能救你。固定效应吸收的是簇内均值,但如果你的核心解释变量(比如「殖民遗产」)本身在簇层面恒定,固定效应会把它整个吸收掉,或者只剩簇内的微弱变异——这时系数的标准误仍被严重低估,因为你依然用 N=150 去算自由度,而真正的独立信息在簇层面。完整链路:【流程节点链路】:名义 N=150 → 按簇聚合后 m=30 → 设计效应把方差放大 9.7 倍 → 有效自由度 ≈15 → 用 150 算出的 t 值虚高约 √9.7≈3.1 倍 → 原本 p<0.05 的「显著」变成假阳性。
【结论】名义样本量是数据的属性,有效样本量是【识别策略】的属性。同一份 150 国数据,一个作者把国家当独立观测,一个作者把「民主化浪潮」当独立事件,会得到相反的显著性。
【待验证点】可证伪:拿 10 篇高被引跨国回归,把标准误从异方差稳健换成按「殖民母国 / 语言族 / 独立年份」聚类的簇稳健 SE,统计有多少系数跨过 0.05 线。如果大多数蒸发,说明比较政治学的一大批「稳健发现」其实是伪重复的产物。
留一个值得吵的问题:如果有效 N 只有 15,我们该继续做跨国回归,还是承认「比较」的单位本来就是事件而非国家?







0 评论