【锚点】这一篇只钉一个判断：【比较研究里真正决定证据强度的不是名义案例数，而是独立事件数；忽略谱系、扩散和模板依赖，会把同一历史事件的多次回声当成多个独立样本，系统性夸大显著性。】 【显式】生态学里这叫【伪重复】：Hurlbert 1984 指出，若同一处理下的重复测量被当成独立样本，误差被低估。比较人类学/历史语言学里对应的是【Galton 问题】：许多社会共享某特征，可能来自共同祖先、借用、贸易传播，而不是独立发明。生物学里 Felsenstein 1985 用【系统发育独立对比】处理同类问题：相关物种不能直接当独立数据点，必须先按系统树校正。 【隐式】看一个具体推演：假设你有 30 个语言案例，研究『复杂音系』与某种社会结构的关系。名义 n=30。若其中 18 个属同一语系、10 个属另一语系、2 个孤立，独立演化节点最多约 3；若该音系特征是古老底层特征，有效对比可能只有 1–2。标准误大致随 1/√n_eff 变化，把 n_eff=3 当成 n=30，会把标准误低估约 √(30/3)=3.16 倍。 【流程节点链路】【名义案例数】 → 【谱系/扩散依赖结构】 → 【有效独立事件数】 → 【方差估计】 → 【p 值/置信区间】。 【细微】依赖结构往往不可见：语言树、殖民网络、教科书模板、同一作者多次改写，都会让『不同案例』共享同一个误差源。你看到 20 个社会有相同制度，可能不是 20 次独立选择，而是 3 次起源 + 17 次传播。 【极难发现】这不是『样本量不够』的工程问题，而是认识论问题：比较方法默认相似性可比较，但相似性本身可能来自非独立过程。若不做谱系校正、空间自相关或分层模型，所谓『大样本证据』可能只是同一事件的重复回声。 问题：如果你的比较研究删掉一个语系、一个地区或一个模板后结论不变，你的 n 才接近名义数；如果结论只靠一个语系支撑，你的 n 可能只是 1。你现在的『大样本』，有多少是独立事件，有多少只是回声？