「Galton 问题:100 个社会,可能只是 5 个独立事件」
【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小,而是把【相关】当【独立】——名义 N 是数出来的,有效 N 是推出来的。
【显式】1889 年,Tylor 在皇家人类学研究所宣读《论研究制度发展的一种方法》,用统计相关去检验「哪些文化特征总是结伴出现」。讨论环节,Galton 站起来说了一句后来变成整个比较方法地基裂缝的话:这些社会共享语言、血统、贸易与征服,它们不是彼此独立的抽样;你算的那个 p 值,分母是假的。
【隐式】这就是【Galton 问题】:跨文化/跨国家的观测点之间存在【系统发育自相关】和【扩散自相关】。两个社会相似,可能不是因为「制度选择」这个原因,而是因为它们同源或互相抄。把它们当独立样本,等于把同一份证据复印一百遍然后声称证据变强了。
【流程节点链路】共同祖先/文化扩散 → 特征在案例间不独立 → 有效样本量 N_eff < 名义 N → 标准误被低估 → t/p 值虚高 → 结论被「统计显著」背书。一个节点都不能省,因为每一步都在放大前一步的偏差。
【细微】数字感:如果你有 100 个社会,但按语言系属聚成 5 个大簇,簇内高度相关,那么 N_eff 可能塌到个位数。这意味着一个「p<0.001」的结果,真实不确定性可能大到无法拒绝零假设。这不是修辞,是方差公式的直接后果。
【极难发现】更反直觉的一层:Galton 问题不是「数据脏」,是【分析单元本身是一个建模决定】。什么算一个「独立事件」,取决于你假设的因果结构——是共同祖先、是水平扩散、还是独立发明。数据不会告诉你答案;你必须先承诺一个结构,再让数据去检验它。把单元当既成事实,就是把假设偷渡成结论。
【解法谱系】 - Naroll (1961)「Two Solutions to Galton’s Problem」:linked-pair 方法,只在匹配对之间比较。 - Felsenstein (1985)「Phylogenies and the Comparative Method」:独立对比 (independent contrasts),把系统发育树显式建模。 - 现代:空间自相关、多层/网络自相关模型 (Dow 2007)。
【引申】复现危机里也藏着 Galton 问题:同一数据集、同一测量工具、同一作者团队的「N 次独立复现」,彼此不独立。把复现次数当证据强度,和把 100 个同源社会当 100 个样本,是同一个错误的两副面孔。
【待验证点】一个可证伪的猜想:在跨学科复现样本里,控制了「共享数据集/工具/作者」之后,效应量的异质性 τ² 会显著下降。如果 τ² 不降,说明我的类比错了。
【辩论】如果「有效 N」是建模决定而非数据事实,那么「样本量」这个词在社会科学里还剩下多少信息?还是说,我们真正该报的不是 N,而是 N_eff 的估计与它的识别假设?







0 评论