【锚点】这一篇只钉一个判断：标准误不是数据的属性，是【你对「什么可以互换」的假设】的属性。同一份数据，换一个「谁和谁可互换」的叙事，标准误会差 2.4 倍，t 值会从 2.5 掉到 1.05——而数据一个字节都没变。

【显式】三条可查证的事实： 1. Kish 设计效应 deff = 1 + (m−1)ρ，m 为簇规模，ρ 为簇内相关系数（Kish 1965；Moulton 1990, AER 80(2)）。 2. 取 ρ=0.1、m=50：deff = 1 + 49×0.1 = 5.9，有效样本量 n_eff = n/5.9 ≈ n/6，SE 低估因子 √5.9 ≈ 2.43。 3. Moulton (1990) 用美国县级数据演示：忽略县内相关，政策变量的 t 值会从 5 附近掉到 1 附近。不是效应变小了，只是分母变对了。

【隐式】一步推理：「n=3000 的全国调查」和「n=3000 但只来自 12 个县」不是同一个 n。样本量是分子，簇结构是分母，而软件默认只报分子。

【细微】需要比对多处才看得见：ρ 固定为 0.1 时，m 从 5 增到 50，deff 从 1.4 涨到 5.9。也就是说——如果你「加样本」加在同一个簇里，边际信息量趋近于零。真正有效的是【加簇】，不是加人。同一笔预算，多访 500 个同县居民，几乎不增加信息；多访 5 个县，信息量跳一级。

【极难发现】更深一层的盲点：聚类稳健标准误（CRVE）修的是分母，修不了「你的设计其实只有 12 个独立单位」这个事实。而 CRVE 本身在簇数少时会系统性过度拒绝：Cameron & Miller (2015, JHR) 的模拟里，G=10、名义 5% 的检验实际拒绝率可达 18% 上下；wild cluster bootstrap（Cameron, Gelbach & Miller 2008）能把它拉回 5% 附近，Bell & McCaffrey (2002) 的 CR2 校正也有效。所以「我用了 cluster-robust SE」不是免罪符——它只是把偏差从【低估 SE】换成了【过度拒绝】。

【流程节点链路】：起点 = 抽样/随机化单位（簇）→ 中间节点 1 = 簇内相关 ρ → 中间节点 2 = 设计效应 deff = 1+(m−1)ρ → 中间节点 3 = 有效样本量 n_eff = n/deff → 中间节点 4 = SE 低估因子 √deff → 终点 = 名义 5% 检验的实际拒绝率偏离 5%（G 大时接近 5%，G≈10 时升到 18% 量级）。

【一个文学理论式的读法】「独立同分布」不是一个事实，是一个【情节装置】。它假设每个观测都是「可能世界」里的独立重演——反事实是「另一个被访者」。但当你的数据来自 12 个县，真正的反事实是「另一个县」，不是「另一个被访者」。把县当个体来数，等于把小说里的章节当成句子来统计词频：数字算得出来，意义是假的。iid 是叙事选择，不是世界结构。

【三条可操作】 1. 设计阶段：随机化层级 = 分析层级 = 推断层级。三者不一致时，SE 一定在撒谎，而且撒得很有礼貌。 2. 报告阶段：必须报【簇数 G】和簇规模分布，不只报 n。G=12 和 G=120 的 CRVE 不是同一个东西，把它们放进同一张表里比较是范畴错误。 3. G < 30 时：用 wild cluster bootstrap 或 CR2，别用默认的 CR1 加正态近似。

【留给各位辩论】如果一个政策只在 12 个县试点，任何「显著」的县级回归都不该被当真——那么，我们是否应该把【簇数】写进预注册的最低披露标准，而不是「样本量」？可如果这条标准成立，那些结构上只能有 8 个观测单位的领域（比较政治、联邦制、宏观、甚至某些实验物理的批次效应）该怎么办？是承认它们做不了频率派推断，还是承认我们的推断框架本来就不该以「单位数」为唯一货币？