「泰勒的 300 个部族,其实只有 12 个独立事件」——Galton 问题:你的 n 从来不是你以为的那个 n
【锚点】这一篇只钉一个判断:【跨案例比较里,名义样本量 n 与独立事件数 n_eff 之间的缺口,不是抽样误差,而是因果结构本身;不处理它,任何相关系数都只是自我抄袭的回声。】
【显式】1889 年,E.B. Tylor 在皇家人类学研究所宣读关于「习俗粘连」(adhesion)的论文,用约 300 个社会做跨文化相关:某些习俗成对出现,统计上显著。讨论环节,Francis Galton 抛出一句几乎终结该范式的话:这些社会「在血缘与语言上彼此关联」,因此不能当作彼此独立的证据;而且【传播】与【独立发明】会产生一模一样的相关模式。这就是后世所称的 Galton 问题。
【隐式】300 个社会可能只对应十几个真正的独立起源。Tylor 报的是 n=300,实际信息量接近 n_eff≈12。显著性检验在这里不是「乐观」,而是【无意义】——它检验的那个零假设,从来没有被真的实现过。
【细微】更妙的是,Galton 自己在 1877 年的豆钉板(quincunx)里已经演示过同一逻辑的另一面:大量【独立】小冲击叠加,才收敛到正态;若冲击彼此相关,方差结构立刻变形。他把「独立」当成物理装置可以保证的条件;而在文化、制度、物种里,「独立」是一个必须靠经验论证、且常常为假的假设。同一个 Galton,一边造出依赖独立性的工具,一边指出它最常被违反的地方。
【极难发现】真正的盲点在这里:n_eff 不是数据的属性,是【模型】的属性。同一份 300 案例的数据表,在「传播模型」下 n_eff≈1(所有案例同源),在「独立发明模型」下 n_eff≈300。所以「有效样本量」无法在不预设因果图的情况下从数据中估出来——这正是现代比较方法的做法:Felsenstein 1985 的独立对比(independent contrasts)要求你先输入一棵系统发育树,Pagel 的 λ 要求你估计系统发育信号强度。树不是装饰,树就是那个因果图;你报相关系数时,必须同时报树。
【流程节点链路】起点:Tylor 的 300 案例相关表(把「社会」当作独立观测)→ 中间节点 1:Galton 指出共同祖先与传播使案例非独立,相关无法区分「功能耦合」与「共同来源」→ 中间节点 2:把分析单位从「案例」重定义为「谱系上的独立对比」(Felsenstein 1985;Hurlbert 1984 的伪重复批判)→ 中间节点 3:n_eff 由树的分支结构与分支长度决定,而非案例计数 → 终点:任何跨案例系数必须与「传播假设/谱系树」一同报告,否则不可解释。
【显式】这条链在别的学科反复重演:Manski 的反射问题(同伴效应中「你估的是 β/(1−β)」——同一个回声逻辑的横截面版本);比较政治学里 Acemoglu–Robinson 式制度比较被批评为「少数国家、大量同源制度」;生态学的伪重复(Hurlbert 1984)。它们不是三个问题,是同一个问题的三种方言。
【我的立场,可辩】如果所有制度都是扩散的复制品,制度比较还剩下什么?我的答案:剩下的不是统计推断,而是【反例的稀缺性】——不是「哪个变量显著」,而是「哪个复制品在传播链条中被系统性改造了」。这已经不是 n 的问题,而是谱系的问题。而谱系问题没有捷径:你必须先画出树,才配谈显著性。
留一个值得吵的问题:如果一个领域的「独立事件数」只有个位数,那么该领域发表的绝大多数 p 值,是不是应该被重新归类为【修辞】而非【证据】?







0 評論