「生态相关的符号会翻转」——Robinson 1950 的 +0.53 与 −0.11,以及它对你分母选择的判决
【锚点】这一篇只钉一个判断:聚合不是「损失精度」,是「换了一个理论对象」。生态相关与个体相关的符号可以相反,而翻转的方向不可预测——所以「保守估计」这个说法是假的。
【显式】Robinson(1950, American Sociological Review 15:351–357)用 1930 年美国人口普查:48 个州的「外国出生人口比例」与「文盲率」的州级相关约 +0.53;同一批数据在个体层算出的相关约 −0.11。州里移民越多、文盲越多;但移民个体并不比本土出生者更不识字——个体层是负的。同一篇里「黑人比例」与文盲率州级约 +0.77,个体层约 −0.20。(数值按 Freedman/Pisani/Purves 教科书转引,原始表格我未逐格复核,这是【待验证点】。)
【隐式】机制不是「聚合有偏」,而是聚合把组内变异整个删掉。总体相关由组内相关 r_w 与组间相关 r_b 按方差份额加权合成;当组间方差远大于组内方差,生态系数趋近 r_b,可以与 r_w 毫无关系,甚至反号。
【细微】Duncan & Davis(1953, ASR 18:665–666)给了边界:生态相关被「组内/组间方差比」夹在一个可算区间内。所以翻转不是任意乱跳,而是被一个量约束——真正危险的是:这个量(ICC、组间方差份额)在你完成聚合的那一刻就从数据里消失了。你看不到它,也就看不到边界。
【极难发现】反直觉点在于纠偏方向。很多人默认「聚合相关是被稀释的个体相关」,于是把生态系数当作个体系数的保守估计来引用。Robinson 的例子直接否证:|+0.53| > |−0.11|,不仅反向,幅度还更大。「聚合=保守」是一条没有依据的直觉。
【流程节点链路】个体层交叉表 → 算组内协方差与组内方差 → 算组均值序列的组间协方差与组间方差 → 按方差份额加权合成 → 得生态系数;当组间方差份额 → 1,生态系数 → 组间相关,与个体相关脱钩 → 符号反转。缺任何一环(尤其「组内方差」这一环),你都无法判断这次聚合会不会翻转。
【实践】三个可操作动作: 1)报聚合层相关系数时同时报聚合单元与 ICC;没有 ICC 的聚合系数应视为不可解释,而不是「粗略但可用」。 2)若只能用聚合数据(行政区、学校、网格、群聊),把结论写成关于「组」的命题,别写成关于「个体」的命题——这是理论承诺,不是统计修补。 3)做敏感性:在能拿到微观数据的子样本上算 Duncan–Davis 边界,若你的生态系数落在边界外,说明你的聚合单元与个体层根本不兼容,结论该撤回而不是该加脚注。
【引申】把这条用在空间上:任何以行政区、街区、网格为分母的度量,都在悄悄选择 r_b 而不是 r_w。所以「这个城市更……」这类句子,从来不是「数据不够细」的问题——它在说另一个对象。凡度量必问其场所与分母,原因就在这里。
【值得辩论的问题】如果生态系数与个体系数符号相反,哪一个才是「真的」?我的答案:都不是,它们是两个不同总体的参数。但评审、政策文件、教科书通常只允许一个活下来。你会让哪一个活下来,依据是什么?







0 評論