P66 分母加权与留一影响:P64 的「最坏位移 0.263」是链噪声,ρ 不由大分母议员决定(剔头 13 人 Δ=+0.001,每人一票 0.772→0.874)

一句话:P64 §6 留了一条没检验的归因——「n=273、每人分母差 20 倍,分母最大的人一人占的信息量太大」。这一轮把它当待检假设去打,顺带量了一个此前从没人量过的东西:那条短链自己的蒙特卡洛误差有多粗。

结论先说:那句归因错了。0.263 不是「那个人重要」,是「1 链 × 1200 步、ESS≈14」这条协议自己的噪声。把票数最多的 13 个人(占总票 10.6%)全剔掉,ρ 从 0.772 变成 0.773,动在第四位小数;把每人拉平成一票,ρ 反而从 0.772 升到 0.874,下界从 0.398 抬到 0.615。结论比 P64 自己说的更稳,方向还偏保守。

六格判决(逐格照预注册,不改一个数):H66-A 不过——80 人留一的 |Δρ| 与 min(n₁,n₂) 的 Spearman = −0.047(p=0.68),影响与分母无关,而作者预注册预测 +0.55,方向反了;H66-B 过(方向与预测相反)——民主化加权 ρ_w = 0.874 [0.615, 0.983],Δ=+0.101;H66-C 过——剔总票数前 13 人(10.6% 票,n=260)ρ = 0.773 [0.400, 0.971],Δ=+0.001;H66-D 过(安慰剂阴性)——剔最小 13 人(0.8% 票)ρ = 0.767,Δ=−0.005;H66-E 过(压线)——复刻 P64 协议 80 次留一,中位 |Δ| = 0.071、最坏 0.291(判据 ≤0.30);H66-F 不过——短链与长链 |Δ| 差中位 0.136、最大 0.243,超 0.10 线,即短链本身带偏差。总闸未触发:P64/P65 的 ρ 结论保留,稳健性等级上调一格。

先把尺子量出来(本文地基):对留一影响最大的 5 人,同一份数据、同一个人、只换随机种子,各跑 6 次同样的 1×1200——协议噪声均值 SD = 0.073(最大 0.087)。而 80 人留一分布的 SD = 0.072。做方差分解 0.072² − 0.073² = 负值 ⇒ 「换掉一个人」造成的方差,在「换一个种子」造成的方差里完全看不见,人的成分在噪声底之下、在本协议下不可辨识。长链重跑 13 人(2 链 × 8000)后,8 个短链「最坏」全部回归中心,ρ ∈ [0.751, 0.799],没有一个人能把 ρ 动过 0.08(最大 0.0745);连方向相反的也一样(1591 短链 0.870 → 长链 0.751)。

唯一的新机制:信息不对称造成的衰减。本数据里 2019 届有一批人被记录 230–255 次(率测得极准),2024 届同一批人只有 14–26 次(率测得很粗)——他们是「一头极准、一头极粗」的跨届配对,在未加权似然里权重最大,一端的测量误差把 ρ 往下拉。等权(w ∝ 1/n,权重范围 0.26–6.62,25.3 倍;头 13 人的似然权重从票额 10.6% 压到 1.3%,尾 13 人拿到 18.8%)之后,这批配对不再主导,衰减被去掉一部分,ρ 上升。这与 P64 的后验预测保留同向(观测原始率相关 0.293 vs 模型预测中位 0.125、p=0.063):两条独立证据都指向 0.772 是保守值。

一条必须写下来的副作用:等权后 P65 的 γ₂ 从 −0.529(CI 排除 0)变成 −0.112 [−0.588, 0.522](含 0)——P65 那个「场次烈度 → 个人浓度」的机制对权重敏感。不改 ρ 的结论,但 P65 §2 的机制读法要挂权重敏感性的括号,留给 P67 处理。

作者自报的五条偏差:①H66-A 的归因方向猜反(预注册 +0.55,实测 −0.047)——「信息量大」只等于「这个人的估计准」,不等于「去掉他会改变总体结论」;②方法上的根错:在 ESS≈14 的链上做 80 次留一,测的是链,不是人;预注册虽写了 H66-F 去查,但内心把它当「补一个稳健性检查」,而它推翻了 P64 §6;③H66-B 方向又猜反,作者自判「我的系统性偏见是:总假设少数强单元在支撑结论」,并记下「凡涉及『谁在支撑这个估计』的预测,先按『没人支撑』写」;④前 13 人占 10.6% 票——数字对、由它推的机制错;⑤长链只跑 13 人(预注册写 20 人,6 个对照里 1 个与头部重复),照实报。

不能说什么(先划界):①不能说 0.874 是「更真的 ρ」——加权似然(WLE)不是生成模型,该区间只能读作加权后验,不是覆盖/置信区间;②不能说「个人影响为零」——只能说在本数据、本协议、n=273 下,人与人的影响力差异落在噪声底之下;③不能说这是对 P64/P65 的独立复现(同一份数据、同一批人);④不能说 P65 的 γ₂ 被证伪——只能说它对权重敏感;⑤不能推广到 EP/US/CA(那些域没有 230 vs 20 这种极端不对称)。

可复现性(本轮最硬):①作者采样器 p66_w.py 未改一字复跑(seed 20261028),base / dem / drop_top / drop_bot 四格结果 JSON 的 md5 与作者文件逐字节相同(4/4 MATCH),四链逐链中位逐位相同(0.859/0.884/0.885/0.865;0.778/0.758/0.763/0.792;0.758/0.790/0.775/0.741);②独立代码路径(不 import 作者任何脚本,自写 Spearman/分位数/方差分解)从结果 JSON 与 npz 重算全部统计量:留一中位 0.7586、SD 0.0718、区间 [0.5347, 0.9055]、协议噪声 0.0732、Spearman −0.0473、六格读数与作者逐位一致;③数据面独立重算 n=273、总票 31,942、头 13 人票额 10.65%、尾 13 人 0.81%、权重范围 0.262–6.622、n₁ 分位数与预注册逐位一致;④六格判决 + 总闸逐格独立复核,与作者一致。

已知标注问题(投稿线复核发现,只记事实、不代改正文,详见随附复核日志 §4):(a) §3 长链表 n₁/n₂ 两整列与随附数据不符(如 4500 正文写 233/16,数据为 14/46;13 行中 12 行不符,p66_long.json 内 n₁/n₂ 与数据一致 ⇒ 错在正文表格)。影响两向:①「最坏位移都是长任大分母议员」这一读法不成立(真实 5/8 是小分母 12–21);②但这反而更支持 H66-A(影响与分母无关),判决方向不受影响。(b) §3 表头「Δ 对 P65 主跑 0.772」与表内数值不符——实际基准是 base_short 0.825257;同口径下 §2 的「中位 0.071 / 最坏 0.291」若以 0.772 为基准应为 0.051 / 0.237。该口径使 H66-E 落在更严的一侧(仍过),结论不变。(c) §5「预注册打分:六中二(C、D)」与 §0 判决表自相矛盾——表内 B/C/D 过、E 压线过 = 四格过,A/F 不过;且 C/D 两格的预测值与实测方向亦不符。不影响统计结论,仅自评口径不一致。(d) H66-F 实际为 2 链×8000、13 人,预注册写 2 链×10000、20 人;作者 §5⑤ 已披露人数差(13 vs 20),未披露迭代数(8000 vs 10000);方向安全(只令短链/长链差更粗,判决仍「不过」)。(e) 方差分解正文写 −0.00014,精确算得 −0.000203(舍入),读法不变。

文件:正文、预注册原件(commit 4371dd75 早于任何统计量,投稿线亲验预注册全文结果数字命中 0、commit 版与工作区逐字节相同 md5 bbeedc…)、加权采样器与逐格判决脚本、数据层与 P65 采样器依赖、273 人配对数据两份、八份结果 JSON、作者 runlog、复现说明(含逐文件 md5)、投稿线独立复核日志 + 复核代码 + 复核原始输出。

方法学增量(可复用):任何留一/扰动分析,先报协议噪声(换种子重跑若干次的 SD);单链、ESS<100 的点估计不进结论。本文给出一个量化范例:留一分布的 SD(0.072)与同人换种子的 SD(0.073)相等时,「影响分布」就是「噪声分布」,方差分解为负。