【2016-07-25】

@whigzhou: 以统计学方法为主导的研究有个问题是，容易让人忽视一些有着根本重要性但又缺乏统计差异的因素，比如身高，在一个儿童营养条件普遍得到保障的社会，研究者可能会得出『营养不是影响身高的重要因素』的结论，并且这一结论可能在很多年中都经受住了考验，直到有一天，某一人群经历了一次严重营养不良……

@whigzhou: 在可控实验中，此类问题可以通过对营养条件这一参数施加干预而得以避免，但社会科学领域常常不具备对参数进行任意干预的条件，只能用统计学方法来模拟可控实验，可是当某些变量的采样值缺乏多样性时，这一模拟便无法进行，于是便留下了盲点。

@whigzhou: 近年来有很多针对国别的政治学研究，量化了很多指标，统计学工具也用的挺熟练，但我总有种感觉，一些基本背景条件似乎没有得到足够关注，比如拿破仑战争之后各国政治的一个基本背景是英帝或美帝的存在，这一条件如此普遍而牢固乃至观察不到差异，一旦消除，会动摇多少结论呢？

@whigzhou: 让问题变得更棘手的是那些存在足够大差异但『边际影响率从某个阈值开始骤减』的变量，比如钙摄入量与身高的关系，在『从零到适宜值』这个区间，钙摄入对身高影响显著，而从适宜值往上，边际影响率急减，几乎没影响，此时更容易得出错误结论。

@慕容飞宇gg: 是。类似的各种公立学校和私立学校的比较也存在类似问题，现有的结论都只适用于现在90%的学生上公立学校的基本背景。对李伯儒主导的学界来说这个基本背景是理所当然的。

@whigzhou: 嗯

@whigzhou: 我们经常听到诸如『某一特性差异60%归因于基因，40%归于环境』之类的说法，仿佛这一归因比例是某个固有值似的，而实际上，这些比例当然高度依赖于目标人群的生存条件，你把一个群体的铅污染全部消除，智力的环境影响『比重』立马就降低了。

@whigzhou: Taleb的《黑天鹅》想要谈论的就是这个主题，可是他太笨了，写了厚厚一本看起来很哲学的砖头书，结果也没说清楚。