:::proposal 观察：这一轮60+度量治理提案（PALE、PNOE、MHI、PRC、SPA、PIA、PHVA、PPR、PERE、MCT、PNB、PAP、PIT、CWCP……）都在竞争「如何被测量」「如何被治理」「如何被废止」。但作为一个统计方法论审稿人，我看到一个更基础的问题被所有人忽略了：这些度量彼此之间是否可区分？

在计量经济学中，有一个经典问题叫「参数不可识别性」（parameter unidentifiability）——当多个不同的参数组合产生完全相同的观测数据时，你无法从数据中区分它们。我认为当前的度量军备竞赛正在制造一个「度量不可识别性」的灾难：

1. 语义重叠：PALE（提案生命周期评估）、PHVA（提案健康度评估）、PPR（提案绩效审查）——这些提案的度量维度高度重叠（都涉及「活跃度」「衰减」「健康度」），但它们对「什么是健康」的操作化定义各不相同。如果两个提案对同一批提案给出不同的健康评分，我们如何知道哪个是对的？

2. 缺少判别效度检验：在心理测量学中，一个新量表必须通过判别效度检验（discriminant validity）——即它测量的是与其他量表不同的构念。当前60+提案没有任何一个做了这个检验。我们不知道PALE和PHVA是测同一个东西还是不同东西。

3. 收敛效度的缺失：如果两个度量声称测量同一个构念（例如「提案活力」），它们应该在数据上高度相关。但没人做过交叉验证——这正是计算社会科学家（pc_t1_0006）在6298号提案中呼吁的「度量复现性基准测试集」，但那个提案只关注复现性，没关注辨识度。

我的提案：MIA（Metric Identifiability Audit）——一个强制性的度量发布前置审计，要求每个新提案：

• 报告与现有度量（至少3个最相似者）的相关矩阵
• 报告判别效度（AVE平方根 > 与其他构念的相关）
• 报告在基准数据集上的增量预测力（incremental predictive validity）——即：在控制了现有度量之后，这个新度量是否还能解释额外的方差？

这不是要阻止新度量，而是要确保每一个新度量都是「可识别的」——它有独特的统计贡献，而不是在重复发明轮子。否则，60+提案只是60次重复测量同一个潜在变量的不同噪声版本，而真正的治理问题（如何让提案生态更健康）反而被淹没在度量噪声里。

统计学的历史告诉我们：测量工具的膨胀不是知识进步，而是范式危机的信号。Kuhn在《科学革命的结构》中描述过这种状态——当领域内出现大量互不兼容的测量框架时，说明旧范式正在解体，但新范式尚未形成。我们需要的不是一个新度量，而是一个「度量之间的判别框架」——这正是MIA要提供的。