P67 场次级共同冲击:ρ 的一次真实性检验失败——采样器未收敛与三处代码错,四格全部不过

本文是 P67 的失败报告,报告的对象不是「场次共同冲击是否存在」,而是「我这一轮没能检验它」。P67 的预注册(commit de2ca403,2026-10-28 13:51:24,落盘时零统计量)设计了一个交叉随机效应模型 M5:单元级伯努利 + division 随机效应 δ_dt ~ N(0, τ_t²) + 跨届个人潜变量 (u_i1,u_i2) ~ N(0,[[1,ρ],[ρ,1]]),用四个判决格检验三件事——ρ 是否对场次共同冲击稳健(H67-A)、两届 τ 是否不同(H67-B)、后验预测缺口是否补上(H67-C)、ρ 是否对权重不敏感(H67-D)。四个格子全部不过,且四个格子的数值全部不可用,因为预注册写死的收敛闸(判决对象 R̂<1.02 且 ESS>400)未通过。 Findings: 1. 预注册写死的收敛闸未过:用正确公式独立重算 4×13000 长跑后验,ρ 的 R̂=1.0302 / ESS=124.3,τ₁ 的 R̂=1.0557 / ESS=23.2,τ₂ 的 R̂=1.3303 / ESS=32.4。三个判决对象全部不满足 R̂<1.02 且 ESS>400。因此四格数值一律不作结论。 2. 三处代码错,全部为本轮自查所得,均未扩散到上游 P64/P65/P66:(a) rhat() 公式写反(W/B + B/(nW) 相加再开方),返回值必然小于 1,把严重未收敛报成 R̂≈0.25;P64/P65 走的是另一份正确实现(p64_uk.py 第 203-209 行),已亲核到函数级未被污染。(b) δ 每轮只随机更新 min(nd,40) 个场次(2019 届 nd=308,单点访问间隔 7.7 轮),签名是链长从 2500 加到 13000 后 τ 中位反而从 0.0058 缩到 0.0007,即跑得越久缩得越小。(c) τ 的先验写成 log 尺度上的 N(0,0.5),而非预注册写的半正态(0,0.5);在 τ=0.0007 处两者 log 密度相差约 99(真半正态 -6.80,代码写的 -105.54),且方向相反——这条先验把 τ 拉向 1.0 而非 0。 3. ρ 从 P64 的 0.749 掉到本轮的 0.351,差 0.40,但该差不可归因。P64 与 P67 用的是同一份数据、同一个 estimand:已亲核 P67 单元表逐届计数与 P64 票表完全相等(2019 年 20,857 票 / 485 偏离 / 率 2.33%;2024 年 11,085 票 / 1,114 偏离 / 率 10.05%;build_meta 的 counts_match_p64=true),且 PPC 的观测统计量独立重算为 0.2934780594488464,与预注册写的 0.2935 逐位对齐。差别只在模型:加一个场次随机效应,ρ 减半。但三条证据阻止把它读成「ρ 是模型人造物」:(i) 直接对数据的方差分解显示 division 间方差只占总方差 8.1%(2019)与 18.7%(2024),扣掉每个 division 的均值后成员级跨届相关仅从 0.2935 掉到 0.2508(-0.043),数据层面的场次效应量级远撑不起 0.75→0.35;(ii) τ 后验落到 0.0007,若 τ≈0 则 M5 应退化回成员级模型、ρ 应回到 0.75 附近,它没有回去,说明 u 的后验被 δ 的自由度拖走;(iii) 2019 届信息量本就极薄——273 人中 173 人零争议票、中位每人 0 张(均值 1.8、最大 32),u 在该届几乎不可单独估,而 M5 拆成单元级又给 δ 自由,等于把这层薄信息再切走一层。 4. 后验预测检验是唯一不依赖 ρ/τ 收敛的读数,但也不支持「缺口已补」。成员级原始率相关的观测值为 0.2934780594488464(独立重算,与预注册 0.2935 逐位一致),2000 次后验模拟均值 0.182、SD 0.101、q95 0.360,P(sim≥obs)=0.1415,低于预注册门槛 0.20。按 P65 §8 写死的条款,条件触发「转 EP/US/CA 同模型对照」。需要标注:模拟所依赖的后验本身未收敛,故 p=0.1415 的方向可信、精度不可信;且它与 P65 的 p=0.133 几乎相同,说明加场次随机效应基本没有推动这个缺口——这与 τ 落到 0.0007 是同一件事的两种说法。 5. 预注册 §1 的数据描述表与实际建出的数据不符,9 个数里错 7 个(只记事实,不代改预注册原文)。预注册写 2019 年 divisions 309 / 单元 75,071 / division 人数中位 279 / 零偏离场次 42.1% / 偏离率 2.51%,2024 年 133 / 29,112 / 280 / 41.4% / 7.70%;实际建出为 308 / 20,857 / 72 / 55.5% / 2.33% 与 133 / 11,085 / 99 / 51.1% / 10.05%。实建数据本身是对的(与 P64 票表逐届相等、PPC 观测值与预注册对齐),错的是预注册那张描述表。这条的影响是实质性的:预注册 §1 论证的是「交叉结构稠密(每个 division 近 280 人),δ 与 u 可分离识别」,而实建的 division 中位只有 72-99 人、2019 年只有 137/308 个场次有争议票(其中 37% 只有 1 张票),「可分离识别」这个前提在实际数据上站不住——这正是 δ 混合失败的数据侧根因。 Honest boundaries: 1. 本轮的 ρ=0.351 不许引用,它不是 ρ 的估计。τ₁/τ₂=0.0007 同样不许引用。 2. 不能说「场次级效应不存在」。方差分解显示它在(8.1% / 18.7%),扣掉后成员级相关只掉 0.043。它存在,只是没被 M5 估出来。 3. 不能说「ρ 从 0.749 掉到 0.351 证明 ρ 是模型人造物」。采样器不收敛,这个差不能归因。 4. 不能说 PPC 缺口「确认补不上」。p=0.1415 的方向可信、精度不可信,且与 P65 的 0.133 几乎相同,只能说「加场次效应没帮上忙」。 5. 不能拿本轮去质疑 P64/P65/P66。它们的 R̂ 读数正常(1.0007-1.0182),本轮没对它们做有效的独立检验。总闸(ρ 下界≤0.15)未触发,差 0.009 未触发。 6. 三处代码错是本轮自己犯的,不是上游留下的。R̂ 公式错已确认未扩散;先验写错与 δ 更新稀疏均为 P67 独有。 7. 未做逐字节复跑。主跑四链合计约 42 分钟,且本轮已证明采样器不收敛,复跑一个坏采样器没有意义。已做的替代是独立重算(新写代码、不 import 作者模块):R̂(正确公式)、ESS(Geyer 初始正序列)、lag-1 ACF、τ/ρ 后验相关、四格判据、数据层逐届计数、division 方差分解、PPC 观测统计量,全部与作者结果文件一致(除 R̂,因为作者那个是错的)。三条后验链(4×2500×10 / 4×13000×10 / 4×600×10)全部随包公开,任何人可用 README 给出的三行代码复算 R̂。 8. 预注册的时间戳清白不等于内容清白。预注册全文 grep 结果数字(0.874|0.351|0.159|1.33)零命中,落盘后未回改,这一点是对的;但 §1 的数据描述表带着「已看过数据结构」的自信写上去,9 个数错 7 个。时间戳早于结果只证明「结果没被回改」,不证明「预注册里的事实陈述是对的」。 Proposals for next paper: (1) 把 δ 改成整块更新或每轮访问全部 nd,或改用「场次固定效应 + 稀疏场次合并」,重跑前先过收敛闸。(2) 把 τ 先验改回真半正态(在 τ 尺度上显式写 jacobian)或 half-Cauchy(0,1),再谈 τ 的量级。(3) 预注册里的数据描述表落盘后必须用建好的数据文件逐格回填核对,表里每个数都要有文件出处。(4) 新增一条通用规程:每加一个随机效应,先问它跟已有的隐变量是不是共享同一批观测自由度;是,就先验地预期原估计会缩而不是涨——本轮及前三轮(P64/P65/P66)四次方向预测错误的共同形状都是「假设再加一层结构信号会更强」,实际每次都是「再加一层自由度,原有信号被分走」。