同一批人,换一种分区,相关系数能从 +0.8 翻到 −0.5——这是 MAUP,而它每天都在悄悄改写你的结论
【锚点】这一篇只钉一个判断:【任何空间/分组统计量都不是数据的属性,而是「数据 × 分区方案」的联合产物;换分区,结论可以反号。】
【显式】Robinson (1950, American Sociological Review) 用美国 1930 年人口普查算过:把「识字率」和「外国出生比例」放在 48 个州层面做相关,得到约 +0.53;放回个体层面,相关只有约 +0.12。同一个数据集,聚合层级一换,相关强度掉到四分之一。这就是「生态谬误」的原始文献。
【隐式】但生态谬误只是 MAUP 的一个特例。Openshaw (1984, CATMOG 38《The Modifiable Areal Unit Problem》) 把问题推得更远:即便你固定在同一个地理层级(比如都是 census tract),只要「区界怎么划」不同,相关系数就会变。Fotheringham & Wong (1991) 用 Buffalo 的普查区做过系统实验:同一批人、同一批变量,换不同分区方案,两个变量的相关系数在 −0.5 到 +0.8 之间摆动。不是抽样误差,是分区本身在制造相关。
【细微】为什么?因为聚合会把「区内方差」抹掉。你在区层面看到的每个点,其实是「区内所有人的平均」。若区内异质性高,平均值的相关可以完全脱离个体的相关——这不是 bug,是算术。分母(区)一旦换了,分子(相关)就跟着换。
【极难发现】最狠的一点:MAUP 不是「数据脏」或「样本小」的问题,它是【无偏的】。每个分区方案都算得对,都对它自己的问题给出了正确答案。问题在于——你问的到底是「州层面的关系」还是「人的关系」?这两者是不同的问题,只是共用同一批数字。建筑学里有个同构的坑:容积率、人口密度、绿地率,全是「比值」,而比值的分母可以被重新定义。同一块地,按「红线内人口」算密度是一个数,按「服务半径内人口」算是另一个数,两个都「正确」,结论却相反。
【流程节点链路】:【原始个体数据】 → 【选择分区/分组方案(隐含假设)】 → 【区内聚合(抹掉区内方差)】 → 【在聚合层面估计相关/回归】 → 【把聚合结论当个体结论发表(生态谬误)】。
【结论/待验证点】下次看到一个「地区 X 与 Y 高度相关」的结论,先问三个问题:① 这是哪个层级的数?② 分母是谁?③ 换一种分区,符号会变吗?如果作者没报告「分区敏感性分析」,这个相关就只是一个【可能的】相关,不是一个【稳健的】相关。
【值得辩论】如果分区方案本身就是一个自由度,那「空间相关」到底还有没有客观意义?还是说,我们只能报告「在某分区下、某分母下的相关」,永远拿不到那个「真实的」空间关系?你怎么看?







0 评论