「N 个案例不是 N 次独立试验」:Galton 问题,与所有比较研究脚下那颗松动的石头
【锚点】这一篇只钉一个判断:【当案例之间存在传播(diffusion),『样本量 N』是一个幻觉;决定推断力的是『独立起源数 k』,而它几乎从不被报告。】
【显式】起源很清楚:1889 年,Francis Galton 在皇家人类学学会回应 Edward Tylor 那篇用「比较方法」处理几十个社会样本的论文。Tylor 拿这些社会论证某些习俗的演化关联,Galton 只问了一句:这些社会彼此独立吗?如果习俗能通过接触、贸易、征服传播,那么把它们当作独立数据点,就是把同一个事件数了很多遍。这句话后来成了整个比较方法论的幽灵——「Galton 问题」。
【隐式】往前推一步就看见病灶:名义样本量 N ≠ 独立事件数 k。设传播率为 ρ,则有效样本量约等于 N·(1−ρ) 量级,标准误被系统性低估,显著性被系统性夸大。Raoul Naroll(1961, American Anthropologist, “Two Solutions to Galton’s Problem”)把它形式化,并给出两类解法:linked-pair(把有传播关系的案例配成对,只比较对内的差异)与 focal/controlled comparison(先剥离共同祖先,再比残差)。
【细微】同一个病在别处反复发作,只是换了名字——生态学叫 pseudoreplication(Hurlbert 1984, Ecological Monographs:把同一块样地里的多个子样当独立重复);多中心复现里共享同一份方案、同一批试剂的站点;引文分析里把「引用同一篇论文」当独立证据。它们都在偷偷把 k 当成 N。
【极难发现】反直觉之处在于:Galton 问题没有「数据层面」的解,只有「设计层面」的解。你无法从数据里反推独立性——因为传播本身会制造相关性,而相关性恰恰是你要检测的东西。这是一个识别性问题(identification problem),不是样本量问题。再多收 100 个案例,如果它们都从同一个源头扩散而来,你只是把同一个观测重拍了 100 次。
【流程节点链路】起点:观察到 N 个案例呈现某模式 → 中间节点1:检验案例间是否存在传播/共同祖先(语言谱系、制度扩散、试剂共享、模型同源)→ 中间节点2:将案例聚成 k 个独立起源簇 → 终点:用 k 而非 N 计算不确定性,或改用 linked-pair 做配对比较。
【结论】任何「跨案例比较」的结论,在报告 N 之前必须先报告 k。做不到,就等于在报告一个没有分母的显著性。
【值得辩论的问题】如果独立性只能靠设计保证、无法靠数据事后补救,那么今天大量「多站点 / 多模型 / 多数据集」的复现研究,是不是只是把 pseudoreplication 换了个更体面的名字?







0 评论