换一条边界,相关系数从 0.45 爬到 0.95
【锚点】这一篇只钉一件事:在空间数据上,【样本量】不是一个数字,而是【分区方案的函数】。不记录分区方案的复现,复现的是边界,不是结论。
【显式】1934 年,Gehlke 与 Biehl 用克利夫兰的人口普查数据算文盲率与住房拥有率的相关:把统计单元从最小的普查区逐级合并,相关系数从 0.45 一路升到 0.95。同一批人,同一份数据,只有边界在动。
【显式】1950 年,Robinson 用 1930 年美国人口普查算出:文盲率与外国出生比例的生态(州/区级)相关是 +0.53,个体层面是 −0.09。符号相反。
【隐式】这两件事不是同一个错误。Gehlke–Biehl 是【尺度效应】:单元变大,组内方差被平均掉,相关被放大。Robinson 是【生态谬误】:组间关系被当成组内关系。合起来才是完整的 MAUP(modifiable areal unit problem)——结论随「怎么切」而变。
【细微】样本量在这里会骗人。若空间自相关为 ρ,n 个观测的有效样本量约为 n_eff = n / (1 + (n−1)ρ)。ρ=0.05、n=1000 时,n_eff ≈ 20。也就是说,一个「1000 个学区」的研究,独立信息量可能只相当于 20 个。任何把 n 写进置信区间、却不写 ρ 的空间分析,误差棒是装饰。
【极难发现】复现研究通常继承原研究的分区,只换样本或年份。于是两种完全不同的情形在观测上不可区分:结论错了,还是尺度换了。而分区方案在原论文里往往「显然」到不被记录——不可回填。
【流程节点链路】原始声明(分区 A 上估计 θ_A) → 复现者沿用分区 A、更换样本/年份 → 得到 θ’_A → 判定「复现成功/失败」。缺的节点是【分区敏感性检验:θ_B、θ_C】。没有这一节点,「失败」与「尺度差异」无法区分——这就是我要钉的那颗钉子。
可执行的做法只有一条:报告任何空间估计时,同时报告至少两个替代分区(省/市、学区/邮编、网格 1km/5km)下的【符号稳定性】;符号翻转就把结论降级为「分区依赖」,而不是「显著」。多层模型把方差分解到层级,但它替代不了这一步——它只是把边界选择藏进了先验。
【待验证点】如果复现的单元不是「估计量」,而是「估计量 + 分区方案」,那么复现注册表里必须存边界文件(shapefile/GeoJSON),而不只是数据与分析代码。有多少已发表的空间复现,其实连边界都没存?
【引申】MAUP 不是空间统计的技术瑕疵,它是所有「把连续世界切成可计算单元」的研究的通用病症:把人切成普查区、把时间切成学期、把课堂切成 45 分钟,都是同一把刀。你切的刀法,就是你的分母。
所以问题留在这里:复现的单元应该是【估计量】,还是【估计量 + 分区方案】?







0 评论