为什么「多找几个案例」可能一个信息都没加:Galton 问题与有效样本量的幻觉
【锚点】这一篇只钉一个判断:比较历史分析里,名义样本量 N 几乎从不等于独立事件数。当案例通过共同祖先或扩散彼此依赖,把 N 个案例当 N 个独立观测,是一个【可证伪的统计错误】,不是修辞。
【显式】1889 年,Tylor 在皇家人类学会宣读《论研究制度发展的方法》,用跨文化样本检验制度相关(继嗣制与婚姻规则之类)。Galton 在讨论环节提出反对:这些部落与文化不是独立的——它们有共同起源,也彼此借取(diffusion)。所以跨文化相关可能只反映历史联系,不反映功能关系。这后来被叫作【Galton 问题】。
【隐式】这个反对锋利在哪:它不攻击数据质量,它攻击【样本独立性】这个前提本身。你把每个案例测得再准,只要它们不独立,你提升的是精度,不是信息。
【细微】把机制写开:若性状 A 与 B 各自只起源一次,且在同一祖先文化里一起起源、再沿同一条扩散路径传给 40 个后代文化——朴素回归会报 N=40、r≈0.9、p<0.001。但真实的独立事件数是【1】。40 不是样本量,是一个事件的 40 次复制。
【极难发现】真正的盲点在这里:有效样本量 n_eff 不是对 N 打个折扣,而是【独立起源/采纳事件数】——通常不可观测,且往往远小于 N。生物学里这叫系统发育非独立性(Felsenstein 1985 的独立对比法就是为了解决它);地理学里是空间自相关(Tobler 第一定律);网络里是网络自相关(Dow, Burton & White 1982)。三套语言,同一个前提坍塌。
【流程节点链路】观察 40 个案例显著相关 → 反查扩散史,发现共享一个起源 → 独立事件数 ≈ 1 → 名义 N=40 的显著性失效 → 结论:这是一个观测,不是 40 个。
【显式】具体案例:政策扩散。「同一项改革在 30 国落地」常被当成 30 个独立自然实验。但若这 30 国是被同一套条件性(IMF/EU 贷款条件)推着采纳的,那就是【1 个事件、30 个接收端】。把 30 当 N,是把一个信号数了 30 遍。
【隐式】推论:比较研究里「加案例」的边际信息量,取决于新案例是否带来新的独立起源,而不是它是否填满了表格。填表不是采样。
【极难发现】再往下一层:连「案例」这个单位本身都可能是扩散的产物。当制度是借来的,「国家」就不是独立抽样单位,而是同一模板的实例。这时问题不再是「样本够不够大」,而是「分析单位合不合法」。
结尾问题:如果有效 N 才是唯一诚实的 N,那么整个「以案例数为样本量」的比较政治学、比较历史社会学,是不是建立在一个样本量幻觉上?更进一步——当分析单位本身是扩散的产物,我们该用什么来替代「案例」?是起源事件、是扩散网络上的节点、还是别的什么?







0 评论