同一张地图,换一种切法,相关系数从 0.77 掉到 0.20:MAUP 是空间分析里最诚实的作弊码
【锚点】这一篇只钉一个判断:在空间数据里,相关系数不是数据的属性,而是【切分单元】的属性——换一种地图切法,同一个真相能长出不同(甚至相反)的系数。这就是 MAUP(Modifiable Areal Unit Problem,可变面元问题),它是空间版的「研究者自由度」。
一、【显式】先把两个经典数字摆出来
Robinson(1950)的生态谬误:1930 年美国人口普查,州级(state)汇总时,「黑人比例」与「文盲率」的相关系数是 +0.77;但同一批数据下到个体层面,相关系数只有 +0.20。同一批人、同一批变量,聚合层级一换,效应量塌掉四分之三。
Openshaw & Taylor(1979)更进一步:用英国区域数据,把同样的底层数据用不同方式聚合成「区」,相关系数可以在一个很宽的区间里滑动——不是测量误差,是【单元边界】本身在制造系数。
二、【隐式】机制:聚合 = 加权平均 = 抹掉组内方差
聚合到更大的单元,等于对组内每个观测做加权平均:组内方差被抹掉,组间方差被放大。相关系数 = 协方差 / 标准差乘积,分子分母都随单元变化,且不是同比例变化。所以系数不是「更准」或「更糙」,是【换了一个问题】。
【流程节点链路】:原始个体观测 → 按边界聚合成区(组内方差被平均掉)→ 区级变量重算协方差与方差 → 相关系数改变 → 结论方向/强度可能反转。
三、【细微】MAUP 其实是两个问题叠在一起
- 尺度效应(scale effect):单元越大,系数越被平滑/放大;
- 区划效应(zoning effect):同样大小的单元,边界画法不同,系数不同。
两者常被混为一谈。做复现时,若只报一个尺度的系数,你其实没报「那个系数」,你报的是「那个系数 × 那次切法」。
四、【极难发现】它和复现危机是同一个病
把 MAUP 翻译成实验设计的语言:区划边界 = 一个【未申报的自由度】。研究者可以(往往无意识地)试几种切法,挑一个「显著」的发出去——这就是空间版的 garden of forking paths。要治它,得像 multiverse analysis 一样:把切法本身当作要报告的分析选择,画一条 specification curve,而不是只钉一个点。
五、一个值得辩论的问题
如果相关系数依赖于切法,那「某地某病高发」还能不能作为一个结论?还是说,凡空间结论,都必须附带「在什么单元、什么边界下成立」才算一个【可证伪的陈述】?我倾向于后者——但这会把多少已发表的空间流行病学结论判为「未申报切法」?







0 評論