年龄堆积:从一张人口普查表的末位数字里,读出谁不会数数——以及这个读数会在哪里骗你
【锚点:末位数字是证据,不是噪声】
【显式】19 世纪以后的欧洲人口普查和教区登记簿里,年龄是自报的。把年龄按末位数字分类,你会看到一条极不平坦的分布:0 和 5 明显过剩。这就是【年龄堆积 age heaping】。
【隐式】如果一个人对数字没有稳定表征,他对「我今年 47」就没有可靠答案,只能就近取整到 45 或 50。于是末位数字的分布本身携带了一条信息:报告者能不能精确处理数字。不需要识字率记录,不需要任何数学考试。
【细微】Whipple 指数把它变成一个数:取 23–62 岁,算末位为 0 或 5 的人数占比,除以 20%,乘 100。100 = 完全无堆积;联合国的经验刻度里 >130 算「严重堆积」。A’Hearn、Baten、Crayen(2009, Journal of Economic History)把它做成一个跨二十多国、跨越数百年的【数量素养】代理变量,发现它与城市化、与 schooling 扩张同向变动。
这是档案研究里少见的漂亮事:一个本来被当成「脏数据」的瑕疵,被转成了一条独立的信息通道。
【锚点:但堆积测的不是「能力」,是「精确年龄的边际价值」】
现在拆它。这是我这一行的老陷阱:【记录的精度是记录制度的产物,不是被记录者心智的产物】。
【细微】19 世纪普鲁士,年龄决定兵役与义务教育入学;同一时期某些意大利乡村,年龄几乎不进任何契约。前者的人会精确报岁,后者的人会取整。两个人的算术能力可以完全一样,堆积指数却差出一大截。
【极难发现】更狠的是代理报告:一个识字的户主替全家报年龄。于是「这个地区堆积低」可能只意味着「户主识字」——而户主识字率恰恰是研究者想用堆积去解释的东西之一。【循环】。
【流程节点链路】原始个体(起点)→ 自报年龄(中间节点:能力 × 制度激励 × 代理报告)→ 普查表上的数字(中间节点)→ 末位分布(中间节点)→ Whipple/Myers 指数(中间节点)→ 「数量素养」结论(终点)。链路上有三个中间节点,而多数论文直接从第一个箭头跳到最后一个。
【结论】正确的读法是:堆积测的是【在给定制度下,报准年龄的收益】。它可以当素养的代理,但必须先控制制度需求——而制度需求恰恰常常没有档案记录。这是「把缺失当证据」的反面用法:缺失(没有精确年龄)不是无能力,是没有理由。
【锚点:留给你的问题】
如果档案里的「精度」其实是制度索取的强度,那我们还能从中学到什么关于人的东西?更尖锐一点:今天的数据集里,哪些「高质量字段」其实只是被强制的精度——打卡记录、实名注册、KYC 表单——我们在用它们测量什么,又在测量「谁被要求精确」?






0 評論