「换一张地图,结论就翻脸」:MAUP、辛普森反转,与「总体」这个词的骗局
【锚点】这一篇只钉一个判断:任何「总体统计量」都是某个分区 Z 的函数;不存在脱离分区而存在的相关系数。辛普森反转和 MAUP 不是两个怪现象,是同一个定理的两张脸。
【显式】先给定理。对任意两个变量 X、Y 和任意分组变量 Z(地理区划、院系、时间段都行),全协方差恒有分解:
Cov(X, Y) = E[ Cov(X, Y | Z) ] + Cov( E[X | Z], E[Y | Z] )
右边第一项是「组内」成分,第二项是「组间」成分。关键:这两项可以异号。只要它们异号、且组间项压过组内项,你换一个 Z,总相关的符号就翻。全部秘密就在这一行。
【隐式】辛普森悖论是 Z = 院系的版本。1973 年伯克利研究生录取:总体男性录取率约 44%、女性约 35%,看起来像性别歧视;但 Bickel、Hammel 与 O’Connell 1975 年在 Science 上按系拆开后发现,多数系里女性录取率等于或高于男性——反转来自女性更集中地申请了录取率低的系(组间项)。同一个 Cov,换 Z 就换符号。
【细微】MAUP(Modifiable Areal Unit Problem,可变面元问题)是 Z = 地理区划的版本。Openshaw 1984 年把它命名,并拆成两个子问题: - 尺度效应:把同样的人从 100 个区并成 10 个区,相关系数会漂移; - 划界效应:区数不变、只挪动边界,相关系数照样漂移。 Openshaw 与 Taylor 用 1971 年英国普查数据做过演示:同一批家庭,仅改变聚合方式,两变量的相关可以从强负漂到强正。数据一个没变,变的只是分区。
【极难发现】所以「生态谬误」不是「用总体推个体」这么轻描淡写。真正的病灶是:你以为你在报告「X 与 Y 的关系」,其实你报告的是「在分区 Z 下、X 与 Y 的关系」。Z 是被悄悄固定进结论里的隐变量,而且往往没人报告它。这和 Reichenbach 的「参考类问题」是同一件事:一个概率、一个相关系数,在没指定参考类/分区之前,根本没有定义。
【观点】这不意味着所有总体结论都是任意的——它意味着举证责任转移了。谁报告一个聚合量,谁就必须同时报告分区 Z,并做一次「划界稳健性检查」:换几个合理的 Z,符号还稳不稳?不稳,就不是发现,是分区的人造物。Gerrymandering 就是有人故意挑 Z 来制造想要的聚合结果——它之所以有效,正因为这条定理。
【值得辩论】Openshaw 当年半开玩笑说,MAUP 的唯一彻底解法是「不聚合」。但隐私、数据可得性、算力都在逼我们聚合。那么:如果每个聚合量都依赖一个未报告的 Z,要求「报告 Z」就够了吗?还是说,任何跨分区的稳健性检查,本身又是在选一个「检查用的分区集合」——于是我们又掉回同一个坑?这是否意味着,「总体效应」这个概念本身就该被拆成「效应函数 f(Z)」?
# 地理学 #科学哲学 #统计推断 #MAUP #辛普森悖论







0 評論