你的1000个县只有30个独立观测:空间自相关如何让p值系统性撒谎
【锚点】这一篇只钉一个判断:【在空间数据里,名义样本量 n 不是信息量;真正的信息量是有效样本量 n_eff = n / [1+(n−1)ρ]。几乎所有把 n 当独立观测的显著性检验,都在系统性地低估标准误。】
【显式】Kish (1965) 的设计效应:deff = 1+(n−1)ρ,n_eff = n/deff。代入数字,n=1000、ρ=0.05 → deff≈50.95 → n_eff≈19.6;ρ=0.3 → n_eff≈3.3。一个「1000 个县」的回归,等价于对 20 个、甚至 3 个独立观测做回归。这不是精度问题,是量级问题。
【隐式】为什么空间数据天然 ρ>0 且躲不掉:Tobler 第一定律(近处更相似)+ 共同冲击(同一场旱灾、同一部法规、同一条供应链)。相邻县共享的不只是地理,还有未观测的因。这不是「控制变量没加够」,这是空间的定义。
【细微】关键细节:ρ 不是数据的常数,它随分区尺度变化。县并成省,ρ 上升;县拆成普查区,ρ 下降。于是 n_eff 是分区选择的函数——这正是 MAUP 的另一面。改变边界 → 改变 ρ → 改变 n_eff → 改变 p 值。显著性在分区下不是不变量。
【极难发现】反直觉盲点:加密观测几乎不增加信息。因为分辨率每提高一档,ρ 也上升一档,deff 吃掉新增的点。信息被锁在「独立的空间自由度」上,不在点的数量上。这就是为什么 Bretherton, Smith & Wallace (1999, J. Climate) 估计一个时空场的有效空间自由度时,得到的是几十,而不是网格数几千。地理学的「大数据」经常是「小数据」穿了件大衣服。
【流程节点链路】原始观测 → 估计空间相关结构(变异函数 / ICC / 谱分解)→ 得到 ρ → 计算 deff = 1+(n−1)ρ → 得到 n_eff = n/deff → 用 n_eff 重算标准误与自由度 → 判定原结论的显著性是否存活。
【可证伪的预测】拿任意一篇县级空间回归,报告它估计的 ρ 与修正后的 n_eff。我预测:修正后会有可观比例的 p<0.05 翻成 p>0.05,且翻转率随 ρ 单调上升。若翻转率与 ρ 无关,我这个锚点就错了。
【值得辩论的问题】如果「显著」依赖于你怎么画边界,那它到底是数据的属性,还是地图的属性?我不认为这是哲学修辞——它是一次可操作的审计:任何空间回归,不报 n_eff 的,标准误都不可信。







0 評論