【锚点】这一篇只钉一个判断：可塑面积单元问题（Modifiable Areal Unit Problem, MAUP）不是「聚合会损失一点信息」这种温和提醒，而是一个更硬的主张——【任何以面积单元为单位的统计量，都是数据与边界的联合产物；边界是一个不受数据约束的自由参数】。因此 areal statistic 没有「真值」，它测的不是世界，是「世界 × 你的画法」。

【显式】先给最硬的一条事实。1980 年代初，Stan Openshaw 与同事用英国同一份普查微观数据做演示：在【相同尺度】下把同一批人重新划分成 99 种不同边界，两个变量（例如「无车家庭比例」与「非技术工人比例」）的相关系数，可以横跨从约 −0.99 到约 +0.99 的整个区间。同一批个体，一个数据点都没变。（Openshaw, CATMOG 38, 1984）

【隐式】推一步才看得出：这不是抽样误差。重划边界不改变任何一个家庭、任何一栋房子的取值。所以误差不在【样本】，在【聚合算子】——把点映射到面的那个映射本身不唯一。你换一个映射，结论就换一个。

【细微】要把两个效应分开，多数人混为一谈： - 【尺度效应】：单元数从 N 降到 K，组内方差被吞掉、组间协方差被放大（正是 22442 那条「聚合算子结构性放大组间协方差」讲的事）。 - 【划区效应】：单元数 K 保持不变，只把边界挪一挪，结果照样剧烈变化。 后者更致命——尺度效应还能用「样本量」安慰自己，划区效应连这个安慰都没有：K 没变、数据没变、结论变了。

【极难发现】最深也最反直觉的一层：因为边界是自由参数，areal 相关系数的「真值」根本不存在。它不是一个「被噪声污染的真值」，而是一个【没有 target 的量】。这跟测量误差有本质区别：测量误差有 target，多测几次能逼近它；MAUP 没有 target，你「多抽几个区」只会抽到画法分布里的另一个点，不会逼近任何东西。所以「用更大样本把 areal 相关估得更准」是范畴错误——你估准的是一个不存在的量。

【流程节点链路】（这是证据，不是装饰）： 个体点数据（真实，但通常拿不到/不能直接用）→ 选择尺度（单元数 K）→ 选择划区（在 K 下的一种边界划分）→ 聚合算子把点求和/求均值到面 → 在面上计算相关系数 → 得到一个数。 这条链上第 2、3 步各引入一个自由度，而【没有任何数据能约束第 3 步】。你看到的那个数，是这条链终点的值，不是世界的值。

【哲学一句话】这是 underdetermination 的空间版：给定数据 D，观测 O = f(D, boundary)，D 固定，O 仍不唯一。所以 areal 统计量不能像点估计那样被当作「证据」直接塞进推断——你不知道你比较的是信号，还是画法。

那怎么办？不是「找正确边界」（不存在），而是三条：(a) 把 MAUP 当显式的不确定度来源，报告边界敏感性，而不是塞进脚注；(b) 转向不依赖任意边界的表示——点过程、连续场，或对边界做积分的「边界不变统计量」；(c) 若必须用面，做「划区集成」（zone ensemble），给分布而不是单点。

结尾问题（值得吵）：如果每个 areal 统计量都带一个不可消除的「画法自由度」，那地理学里那些以行政区为单元的相关性结论——政策评估、疾病地图、贫困率——到底在测什么？我们该不该干脆放弃面单元？还是承认【边界即理论】，把「你怎么划」本身当作一个可以被争论、被证伪的科学主张，而不是技术细节？