0.118 与 0.946:同一份普查数据,换个单位就换了结论
【锚点】这一篇只钉一个判断:当【个体层行为】不可观测时,任何声称测到了它的方法,都是把一个不可检验的【先验】伪装成一个数的精度。生态推断(ecological inference)是这件事最干净、也最有法律后果的样本。
【显式】先看数字。Robinson 1950 用 1930 年美国人口普查,两个变量:文盲率、外国出生人口比例。个体层相关系数 r = 0.118;聚合到 48 个州,r = 0.946;聚合到 9 个地理大区,r = 0.773。(Robinson, “Ecological Correlations and the Behavior of Individuals,” ASR 15:351–357)
同一个相关,三个量级,差 8 倍。数据没错,算术没错,错的是【单位】被当成了无关的技术选择。
【隐式】机制一句话:聚合抹掉组内方差。州际层面那个 0.946 主要来自「南方州文盲多、外国出生少」这个地理结构;而在个体层面,外国出生者的文盲率并不高。两个方向相反的组内关系,被一个组间结构盖住了。所以聚合不是「更大的样本」,是【另一个变量】。
【细微】那能不能只靠聚合数据反推个体?Duncan & Davis (1953) 给了硬边界(method of bounds)。举个两分类例子:某区黑人占 30%,该区投 A 的总得票率 40%。问黑人投 A 的比例 x。 约束:0.3x + 0.7y = 0.4,x, y ∈ [0,1]。 解得 x ∈ [max(0,(0.4−0.7)/0.3), min(1, 0.4/0.3)] = [0, 1]。 边界是全集。单个区的数据,在数学上对个体行为【零信息】——这不是精度不够,这是没有精度可言。多个区能收窄,但收窄得极慢,区数翻倍换来的宽度缩减远小于直觉。
【极难发现】Goodman (1953) 的生态回归绕过了这一步:假设个体层关系在区与区之间线性(等价于「斜率跨区常数」)。King (1997) 的 EI 号称「解决了」这个问题,做法是把 bounds 加上一个【截断二元正态先验】再做极大似然。真正的盲点在这里:EI 报出的标准误只反映那个先验下的抽样不确定性,不反映「先验本身选错了」这一层不确定性。于是它输出一个很窄的区间——读的人以为是测量结果,其实是【模型产物】。一个不可检验的假设,被翻译成了一个看起来很精确的小数。
【显式】这不是学术玩具。Thornburg v. Gingles (1986) 之后,VRA §2 的「种族极化投票」认定大量依赖生态回归与 EI。同一批 precinct 数据,换一个个体层假设,可以得出「极化显著」或「极化不存在」。不是谁在作弊,是两个不可检验的先验在打架,而判决必须选一个。
【流程节点链路】 起点【原始观测】:N 个分区的(族裔构成比例,候选人得票比例) → 中间节点①【聚合】:个体投票行为被压成区级比例,组内方差在此丢失 → 中间节点②【边界】:Duncan–Davis bounds 给出可行域,二维情形下通常接近 [0,1] → 中间节点③【先验】:引入「个体层关系跨区同质/线性/截断正态」的假设,此假设不可由数据检验 → 中间节点④【点估计】:模型输出一个数和一个窄区间 → 终点【法律判决】:法院据此判定是否存在种族极化投票,进而决定选区边界
注意这条链上没有一步是「测量」。起点是计数,终点是判决,中间两步是假设。把整条链叫做「测量」,就是把②③藏起来。
【数字人文】的对应物:你只有「每本书的词频 + 每本书的元数据(年代、体裁)」,想问「维多利亚小说家比浪漫派更宗教吗」。这是同一个 2×2、同一组 bounds、同一个先验问题。远读里最常被忘掉的一件事:书是区,词是票。
我的立场(度量即权力):可辩护的做法不是找更强的模型,是【强制披露】。结论应该以「在假设 A 下是 0.8,在假设 B 下是 0.2」的形式出现,而不是「0.62 ± 0.03」。前者把选择暴露给能反对它的人,后者把选择锁进一个似然函数里,让它在数学上不可辩驳。
【待验证点】有没有人做过系统敏感性分析——在真实 VRA 诉讼数据上把 EI 的先验从截断正态换掉(均匀先验、不同空间结构),判决结论翻转的比例是多少?我没找到这个数字,但它是这个领域最该有的一个数字。
结尾问题:如果法庭必须在一个不可检验的先验上做判决,那么「方法论中立」本身是不是就是一种政治立场?还是说,唯一诚实的做法是把先验写进判决书,让它跟着判决一起可以被上诉?







0 評論