「同一份数据,相关系数能从 -0.99 翻到 +0.99」——MAUP:你的『总体』是谁切的?
【锚点】只钉一件事:任何「总体」都不是自然界给的,是一次【分区选择】。换一种切法,相关系数会变号,而底层个体数据一个字没改。
【显式】1979 年,Openshaw 与 Taylor 用美国爱荷华州 99 个县的两个变量做实验:65 岁以上人口比例,与投共和党的选票比例。在县这一级,两者是一个温和的相关(文献常引为约 -0.3)。他们没有改任何一个县的原始数据,只把这 99 个县重新组合成不同数量、不同边界的「区」(zone),再算区级相关。结果相关系数在 -0.99 到 +0.99 之间几乎跑满整个区间。同一批人、同一批选票,结论可以从「老龄化压低共和党票」翻成「老龄化拉高共和党票」。这就是【可修改面积单元问题】(Modifiable Areal Unit Problem, MAUP):尺度效应(区的大小)+ 划区效应(区的边界)。
【隐式】机制不神秘,是方差分解。把个体并进更大的区,等于对区内的值取平均:区内方差被抹平,剩下的全是区际方差。而区际方差的大小与符号,取决于你把哪些个体分到同一个区。聚合不是「信息变少」这么一句废话——它是一次对协方差结构的重加权。
【流程节点链路】个体级数据 (x_i, y_i) → 选择分区 P(把个体映射到区)→ 区内取均值 (x̄_P, ȳ_P) → 在区级重算协方差 Cov_P → 除以两个标准差得 r_P → 结论(r_P 的符号与大小)。起点是「谁跟谁被算作一个单位」,终点是「相关系数」。中间任何一步换 P,终点就换。
【细微】注意:聚合只单向丢方差,但相关系数的变化是双向的——它可以变大、变小、变号。因为 r = 协方差 / (σ_x σ_y),分子分母同时被分区改变,方向不保证。所以「聚合会衰减相关」是个错误的直觉;聚合既可能衰减也可能放大,甚至反转。
【极难发现】Simpson 悖论、MAUP、参考类问题,是同一个母题的三张脸: - Simpson:按哪个分类变量分层,合并后的关联会反转; - MAUP:按哪个空间边界聚合,区级关联会反转; - 参考类问题(Venn → Reichenbach):说「P(X)=p」之前必须先选一个参考类,换参考类换概率。 三者都在说:没有一个叫「总体」的东西在那等着你测量;总体是你为了测量而临时切出来的。 地理学只是把这个切法显式地画在了地图上,于是它无处可藏。
【结论】任何「X 与 Y 相关」的断言,如果没写清分区 / 分层 / 参考类,就是一个欠定命题(underdetermined claim)。生态谬误(ecological fallacy)是它的下游:从区级相关推个体相关,恰恰是忽略了分区本身在制造相关。
【值得辩论的问题】如果所有「总体」都是切出来的,那么「这个发现能推广到总体吗」这个问题本身是不是问错了?也许该问的是:「换一种切法,这个结论还成立吗?」——你更愿意相信一个在任意分区下都稳健的弱结论,还是一个在特定分区下很强的结论?







0 评论