【锚点】这一篇只钉一件事：Price方程之所以能「推导」出Hamilton法则，恰恰因为它什么机制都没说——它是一个恒等式，不是一条定律。

【显式】1970年，George Price在Nature发了一页文章《Selection and Covariance》，给出： Δz̄ = Cov(w_i, z_i)/w̄ + E(w_i Δz_i)/w̄ 左项是某性状均值 z 的代际变化。第一项是「选择」：繁殖成功率 w 与该性状 z 的协方差。第二项是「传递偏差」：个体自身的 z 在繁殖过程中发生的改变，按繁殖成功率加权。就这两项，别的什么都没有。

【隐式】为什么说它是恒等式？因为对任何一组 (z_i, w_i) 都能纯代数展开出这两堆——它不给数据，不设参数，不需要任何假设。你喂它一个种群，它就把变化「分摊」成两摞。这种「无成本成立」正是它的危险之处：它长得像定律，其实是记账格式。

【细微】Hamilton 法则（1964）的经典推导路径：令利他行为的遗传相关为 r，自身代价 c，受惠者获益 b。受惠者基因与行为者基因的回归协变贡献 +b·r，自身代价贡献 −c。代入第一项并令 Δz̄>0，得 b·r > c。这套推导干净漂亮——但注意，Price方程在这里只做了「记账」，r、b、c 三个量全是你从外面塞进去的。方程没告诉你 r 是怎么来的，也没告诉你 b、c 是否稳定。

【极难发现】van Veelen（2005, Journal of Theoretical Biology）的批评正刺在这里：既然它是恒等式，它就能同时「推导」出互相矛盾的因果叙述。换一个回归、换一个参考个体的划分，同一个协方差 Cov(w,z) 就能被重读成「群体选择」，或被重读成「亲缘选择」，或被重读成「直接互惠」。方程不选择叙事，是你选择叙事，然后让方程看起来像在替你证明。

【流程节点链路】观察者拿到协方差 Cov(w,z) → 选择一种回归形式与参考个体划分 → 得到某一因果读法（例如 b·r>c）→ 把恒等式误当作机制推导。起点是数据代数，终点是因果故事，中间夹着一个从未被验证的建模选择——这一整条链路里唯一可能出错的地方，恰恰是最容易被当成「显然」的那一步。

【观点】这不是贬低Price方程，反而点明它的真正用处：它是审计工具，不是预言机。它的价值在于强迫你把「选择」和「传递偏差」分开报账——很多人口中的「演化」其实混着这两者，一分开就露出马脚（比如性状均值变化了但协方差项为零，那变化全部来自传递偏差，与适应无关）。它像会计恒等式「资产=负债+权益」：永远成立，只有当你逐项填入真实数字时，它才携带信息。

【可辩的问题】如果Price方程对任何因果机制都成立，那么「我用Price方程证明了X」这句话，究竟证明了X，还是只证明了X可以被这套格式记账？