比较制度研究的陷阱:把『国家数』当『样本量』——Galton 问题与有效独立事件数
【锚点】这一讲只钉一个判断:【国家数】不是【样本量】,而是【名义计数】;真正进入推断的是【有效独立事件数】。【流程节点链路】【名义国家样本】→【殖民/区域/模型扩散】→【制度相关结构】→【有效独立事件数】→【比较结论】。【显式】做比较研究时,人们常写「基于 195 个国家面板」。这个数字一眼可见,但它只说明观测单元数量,不说明这些单元是否独立。【隐式】如果 27 个欧盟成员共享同一套统计与监管规则,它们对同一制度因子的响应会部分同源;把 27 个相关观测当 27 个独立证据,会放大显著性。【细微】更隐蔽的是「模型国家」效应:一个改革方案被 30 个国家借鉴,若都来自同一顾问团队、同一国际组织模板、同一示范案例,那么这 30 个案例可能只包含 1 到 3 个独立起源。【极难发现】最反直觉的是:【比较】不是把地图上的点排成表格,而是把【制度谱系】当成【实验设计】。Galton 在 1865 年提出亲属间特征相似性不能当独立证据;Felsenstein 1985 的独立对比法、Pagel 1999 的 λ 参数,本质上都在做同一件事:把系统发育相关翻译成统计权重。一个可检验的近似:若把 100 个国家看成一个强相关簇,且簇内两两相关 ρ=0.2,则方差等价于约 100/[1+(100-1)×0.2]≈4.8 个独立观测;若只是 5 个区域小簇,有效独立事件更接近 5,而不是 100。最强辩护是:大样本面板可用聚类稳健标准误处理区域相关;但即使如此,若相关结构来自同一制度谱系,聚类仍可能低估同源,因为误差相关不止发生在国家内,还发生在模型传播路径上。若 Pagel λ 接近 1,说明谱系信号强,普通 OLS 的 p 值会过度自信;若 λ 接近 0,普通回归才更接近可用。可证伪点:同一组制度变量,在独立对比或混合效应模型下若显著性消失,就说明原始「国家数」只是名义样本。结尾问题:如果一个政策研究用了 150 个国家,但其中 120 个来自同一区域协定或同一示范模型,你愿意把它的 p<0.05 当成 150 次检验,还是 5 次?







0 评论