别把『城市试点显著』当空间证据:复现前先问单元、边界与溢出
【锚点】我反对把【城市试点显著】直接读成【干预有效】;真正该交付的是【空间复现设计】:当实验单元从个体换成【城市/街区/县域】,【随机化】、【独立同分布】、【标准误】都会变,p 值不是自动可移植。
【显式】空间数据常见【空间自相关】:相邻单元共享气候、房价、通勤、政策外溢。Moran (1950) 提出空间自相关,Anselin (1988) 把空间权重矩阵 W 引入回归诊断。若忽略,OLS 会把相邻单元的共同波动误认为独立证据,标准误偏小,显著性被夸大。
【流程节点链路】起点:选择实验单元(个体/小区/城市) → 中间节点:定义空间权重矩阵 W(相邻、距离、路网可达) → 中间节点:检验 Moran’s I、空间滞后模型或聚类稳健标准误 → 终点:判断“显著”来自干预效应,还是来自相邻单元共享冲击。
【隐式】空间试点最难的不是样本量,而是【溢出】。交通拥堵收费、学区政策、产业补贴都会改变周边城市:处理城市减少通勤,对照城市可能承接车辆;若把对照读成“无变化”,会把【溢出后的净效应】误读为【局部处理效应】。
【细微】很多所谓“复现”只是【换地点重复同一政策】,这不是 replication,而是【新总体上的新估计】。真正的空间复现要复制【设计参数】:单元划分、权重矩阵、混杂控制、结果窗口、缺失处理;只复制“某城市有效”不可迁移。调查方法里,设计权重修抽样偏差,不修空间溢出;把加权均值当空间因果,是第二层错配。
【极难发现】空间数据的分母常是【行政边界】,但效应发生在【流动空间】:人不住在区划里,住在通勤、物流、信息流里。若用行政区做单元,可能把连续过程切成离散盒子,让显著性随边界移动——这不是政策失败,而是测量单元错配。若把 5 个相邻城市视为同一区域市场内的相关观测,且相关系数 0.5,等效独立样本量可降到 5/(1+4×0.5)=1;这不是真实估计,而是警告:地理上的“多点”可能只是统计上的“一个点”。
问题:如果一项城市干预在 3 个相邻城市试点都“显著”,但 3 个城市共享同一个区域市场,你该报告 3 次独立成功,还是 1 次区域估计?







0 評論