第七章 统计的幻觉：高尔顿的优生学与皮尔逊的执念    

    一、1869年的伦敦：遗传的天才

    1869年，弗朗西斯·高尔顿，四十七岁的英国绅士、探险家、气象学家、摄影师，出版了《遗传的天才》。这本书的副标题是"对其法则和后果的探究"，核心论点是：人类的智力、道德品质、甚至艺术才能，像身高和肤色一样遗传。

    高尔顿的证据是谱系研究。他调查了法官、政治家、科学家、诗人、音乐家的家族历史，发现杰出人物往往出自杰出家族。例如，他计算了"英国法官"的儿子成为法官的概率，与普通人口相比，得出约400倍的"优势"。他承认环境的作用——法官的儿子有教育机会、社会网络——但他坚持认为，即使在控制环境后，遗传效应仍然显著。

    《遗传的天才》是优生学运动的奠基文献。高尔顿创造了"优生学"（eugenics）一词，源自希腊语"好的出身"。他主张：社会应该鼓励"优秀"人群多生育，限制"劣等"人群生育，以提高整体人口质量。这不是强迫，而是"自愿的"——通过教育、激励、社会压力。

    高尔顿的动机是复杂的。他有维多利亚时代的进步信念：科学可以改善人类状况。他也有个人焦虑：他自己没有子女，他的家族（包括著名的银行家和科学家）的遗传遗产如何延续？他还有种族和阶级的偏见，认为英国上层阶级的遗传素质高于下层阶级和"野蛮种族"。

    但高尔顿的方法论创新是持久的。他发展了相关性的概念——两个变量共同变化的程度。他设计了"高尔顿板"——一个垂直板，上面钉有交错排列的钉子，小球从顶部落下，每次碰到钉子随机向左或向右，最终形成底部的钟形分布。这演示了正态分布如何从随机过程中产生。

    正态分布，或"钟形曲线"，成为高尔顿统计学的核心。他相信，人类的任何可测量特征——身高、智力、甚至"道德热情"——都服从正态分布，大多数人的值集中在平均附近，极端值稀少。这种分布是"自然的"，是"健康的"，是社会应该追求的理想。

    二、孟德尔的豌豆：被遗忘的定律

    1866年，格雷戈尔·孟德尔，奥地利布隆（今捷克布尔诺）的修道院院长，在《布隆自然研究者协会会刊》上发表了《植物杂交实验》。这篇论文报告了豌豆杂交的八年实验，提出了遗传的"分离定律"和"自由组合定律"——后世称为"孟德尔定律"。

    孟德尔的方法与高尔顿截然不同。高尔顿研究人类谱系，依赖观察和相关性；孟德尔研究豌豆植株，进行控制杂交，计数后代性状的比例。他发现：杂交一代全部表现显性性状，二代出现3:1的显隐性分离比，不同性状的遗传是独立的。

    这些结果是定量的、精确的、可重复的。孟德尔用数学语言描述遗传："如果A代表显性性状，a代表隐性性状，则Aa × Aa杂交产生1AA:2Aa:1aa的基因型比例，表现型为3显性:1隐性。"

    但孟德尔的论文在1866-1900年间被引用约三次，几乎被完全遗忘。高尔顿不知道它，达尔文的《物种起源》（1859）没有引用它，欧洲主要生物学家的文献中不见其踪影。这不是阴谋或压制，而是认知的不可见性：孟德尔的数学语言对生物学家太陌生，他的豌豆实验对植物学家太专门，他的修道院身份对科学共同体太边缘。

    1900年，三位植物学家——荷兰的雨果·德弗里斯、德国的卡尔·科伦斯、奥地利的埃里克·冯·切尔马克——独立"重新发现"孟德尔定律。他们在进行各自的杂交实验时，发现了3:1的分离比，搜索文献时找到孟德尔的论文。他们承认孟德尔的优先权，但强调自己的独立发现。

    这个"同时发现"是科学社会学的经典案例。孟德尔定律在1900年被"发现"，不是因为新数据，而是因为新的问题语境：细胞学的发展（染色体的观察）、变异研究的兴起（德弗里斯的突变论）、农业育种的需求。这些语境使孟德尔的数学语言变得可理解、相关、重要。

     高尔顿在1900年仍然活着，但他对孟德尔定律的反应是复杂的。他欢迎遗传的数学化，但孟德尔的"离散"遗传（性状要么存在要么不存在）与他的"连续"变异观念冲突。高尔顿相信智力、身高、甚至道德是连续分布的，服从正态分布；孟德尔的定律暗示离散单位的遗传，如豌豆的颜色或种皮形状。

    这种冲突在1900-1930年间主导了遗传学的发展。生物统计学家（高尔顿的继承者）与孟德尔主义者争论：遗传是连续的还是离散的？最终，罗纳德·费舍尔在1918年证明，多个孟德尔基因的加性效应可以产生连续的正态分布——孟德尔主义与生物统计学的综合。但高尔顿没有活到看到这个综合。

     三、皮尔逊的执念：统计作为宗教

     卡尔·皮尔逊，1857年出生于伦敦，是高尔顿的学术继承者，也是优生学运动的激进推广者。他在剑桥大学学习数学，在德国学习物理，但转向生物学和统计学，成为伦敦大学学院"高尔顿优生学讲席"的第一任教授（1911年）。

    皮尔逊的贡献是数学的严格化。他发展了卡方检验（检验观察值与理论分布的拟合优度）、标准差和相关系数的系统计算、回归分析的推广。他的《科学的语法》（1892）主张：科学知识必须是定量的、统计的、可概率化的。

    但这种方法论伴随着意识形态的负荷。皮尔逊相信，统计可以揭示"种族的"差异——英国人与犹太人的智力差异，"雅利安"与"非雅利安"的道德差异。他用复杂的数学包装这些信念，使其看起来是"科学的"、客观的、不可辩驳的。

    皮尔逊的优生学是国家主义的。他主张积极的国家干预：隔离"劣等"人群，限制其生育，鼓励"优等"人群繁衍。他与高尔顿的"自愿"优生学不同，更接近后来的强制优生学政策。他在1900-1930年代撰写大量论文，用统计数据支持种族主义和社会达尔文主义。

    这些工作在二战后被广泛谴责，但皮尔逊的统计方法本身被保留和发扬。卡方检验、相关系数、回归分析成为现代统计学的标准工具，在医学、经济学、心理学、社会科学中无处不在。皮尔逊的方法与意识形态的分离是复杂的：他的数学是"中性的"，但他的应用是"负载的"，这种分离本身成为问题。

    四、孟德尔数据的"过于完美"：费舍尔的辩护与怀疑

    1936年，罗纳德·费舍尔，英国统计学家和遗传学家，发表了《孟德尔的工作是否被期待地太好了？》。这篇论文分析孟德尔的实验数据，发现其统计拟合"过于完美"——观察值与理论预期的偏差小于随机波动应有的程度。

    费舍尔的计算是技术性的。孟德尔报告的分离比，如3:1或9:3:3:1，与理论值过于接近。在真实实验中，即使孟德尔定律正确，抽样波动也应该产生更大的偏差。费舍尔估计，孟德尔的数据如此完美的概率约为1/10000。

     这篇论文引发了持续至今的争论。费舍尔本人是孟德尔主义的坚定支持者，他的意图不是诋毁孟德尔，而是指出"某种解释是必要的"。他提出了几种可能性：

• 孟德尔无意识的选择性报告：当数据接近预期时停止实验

• 助手（或孟德尔本人）的"帮助"：调整计数以符合预期

• 孟德尔报告的是平均结果而非单次实验，减少了抽样误差

• 纯粹的运气：小概率事件确实发生

     费舍尔倾向于前几种解释，暗示某种程度的"数据修饰"。但后来的分析（如1980年代的计算机模拟）表明，孟德尔的实验设计（如使用大量植株、重复实验、排除"可疑"样本）可以合法地产生比简单随机抽样更稳定的结果。"过于完美"可能是方法论严谨的产物，而非欺诈。

     这个案例揭示了统计显著性的悖论。费舍尔用统计方法检测孟德尔数据的异常，但统计方法本身依赖于假设（独立性、随机性、正态性）。当数据"太好"时，我们怀疑欺诈；但当数据"符合预期"时，我们庆祝发现。这种不对称是确认偏误的统计版本：我们期待随机性，因此非随机性是可疑的。

     孟德尔的案例更复杂，因为他的理论后来被证明是正确的。如果他的数据确实被"修饰"，这种修饰是朝向真理的，而非远离真理。这与后来的科学造假（如舍恩的纳米数据、小保方晴子的STAP细胞）不同，后者的修饰是朝向错误的。统计方法无法区分这两种"修饰"，因为它只检测与随机性的偏离，不检测与真理的关系。

     五、正态分布的暴政：钟形曲线的意识形态

     高尔顿和皮尔逊对正态分布的信仰，不仅是方法论选择，也是意识形态承诺。正态分布是"自然的"、"健康的"、"理想的"——这种语言负载了价值判断。

     在19世纪的社会语境中，正态分布支持了中庸的意识形态：大多数人应该集中在"平均"附近，极端是异常的、危险的、需要纠正的。优生学旨在"压缩"分布的方差，减少"劣等"的左尾，提高整体的平均。

     但这种意识形态忽视了分布本身可能是社会构造的。智力的正态分布依赖于测试的设计：如果测试项目选择得当，可以产生任何形状的分布。 IQ 测试的历史显示，测试被反复调整以产生正态分布，然后这种分布被宣称为"自然的"。

     更深层的问题是将统计模型等同于现实。正态分布是一个数学抽象——无限样本、连续变量、独立误差——而现实是有限、离散、相关的。当科学家将模型等同于现实，他们物化了抽象，将统计构造当作自然实体。

     这种物化在20世纪的社会科学中泛滥。经济学假设市场回报服从正态分布（或其对数正态变体），忽视了"肥尾"和极端事件；心理学假设人格特质正态分布，忽视了类型的存在；医学假设生物标志物正态分布，定义"异常"为偏离平均两个标准差，忽视了多模态分布的可能性。

    纳西姆·塔勒布在《黑天鹅》（2007）中批判这种"正态分布的暴政"：我们使用钟形曲线因为它方便、熟悉、数学上可处理，而非因为它描述现实。极端事件——金融危机、疫情、战争——在正态分布中是"百万年一遇"，在现实中是每十年一遇。我们的模型系统性地低估不确定性，因为我们选择了错误的分布。

     六、相关性与因果性：高尔顿的遗产与混淆

     高尔顿发明了"相关性"（correlation）一词，但他也混淆了相关性与因果性。在《遗传的天才》中，他观察到杰出父亲有杰出儿子，推断遗传是原因。但他没有控制环境：法官的儿子成为法官，可能是因为教育机会、社会网络、阶级继承，而非基因。

     这种混淆在20世纪的社会科学中持续。皮尔逊的相关系数成为"科学客观性"的象征，但它的解释是开放的：X与Y相关，可能是因为X导致Y，Y导致X，Z导致两者，或纯粹的偶然。统计方法本身不能区分这些因果结构。

     1920-1930年代，遗传学家发展了"遗传力"（heritability）概念——性状变异中可归因于遗传的比例。但这个概念被广泛误解：高遗传力不意味着性状不可改变，不意味着遗传决定论，不意味着群体差异的遗传基础。遗传力是特定群体在特定环境中的统计量，不是生物常数。

     高尔顿和皮尔逊的优生学政策，部分基于这种误解。他们观察到社会阶层的智力差异（通过测试测量），计算高遗传力，推断差异是遗传的、不可改变的、需要优生学干预的。但他们忽视了环境的作用：贫困、营养不良、教育缺乏对智力发展的影响。

     现代行为遗传学（如双胞胎研究）试图分离遗传与环境，但方法仍有争议。同卵双胞胎的相似性可能源于共享基因，也可能源于共享环境（子宫环境、家庭环境、社会对待"相似外貌"的方式）。统计方法无法完全分离这些效应，因此遗传力的估计是不确定的、语境依赖的。

    七、孟德尔的救赎：从被遗忘到被神化

    1900年后，孟德尔经历了从被遗忘到被神化的转变。他成为"遗传学之父"，他的修道院花园成为科学圣地，他的定律成为生物学的基础。

    但这种神化是选择性的。孟德尔的原始论文包含复杂性和模糊性：他讨论了"显性"和"隐性"，但没有使用现代"基因"概念；他观察到某些性状的连锁，但没有发展出染色体理论；他的数学是描述的，而非公理化的。

    后来的遗传学家重构了孟德尔，使其符合现代遗传学的叙事。孟德尔被呈现为"孤独的先驱"，对抗当时的生物学正统。但历史研究表明，孟德尔不是完全孤立的：他阅读了当时的杂交文献，与纳格尔等植物学家通信，他的工作符合当时的某些研究传统。

    更重要的是，孟德尔的"重新发现"是社会建构的。德弗里斯、科伦斯、切尔马克在1900年的论文中，强调孟德尔的优先权，但也强调自己的独立性。这种强调是策略性的：承认孟德尔使他们的工作看起来是"正统的"而非"革命的"，强调独立使他们保留原创性主张。

    孟德尔定律在1900-1930年代的"胜利"，也不是纯粹的经验确认。它与细胞学的发展（染色体的观察）、摩尔根的果蝇实验（基因的定位）、费舍尔的数学综合（群体遗传学）相互强化。这是一个网络效应：孟德尔主义使染色体理论可理解，染色体理论使基因定位可能，基因定位使孟德尔定律可验证。

    这种网络效应揭示了科学事实的社会性。孟德尔定律在1900年成为"事实"，不是因为新数据（数据在1866年就存在），而是因为新的问题、新的方法、新的社会联盟。高尔顿和皮尔逊的生物统计学，最初是孟德尔主义的竞争对手，最终被综合进现代遗传学。

    八、统计的伦理：从优生学到基因组学

    高尔顿和皮尔逊的优生学，在二战后被广泛谴责。纳粹的"种族卫生"政策、美国的强制绝育法律（影响约6万人）、斯堪的纳维亚的类似政策，都声称科学基础，都与高尔顿-皮尔逊传统相关。

    但优生学的某些形式持续。1960-1970年代的"遗传咨询"，建议携带遗传病基因的夫妇避免生育；1990年代后的"生殖选择"，通过胚胎筛选避免遗传病。这些实践与高尔顿的"自愿"优生学相似，但去除了种族和阶级的语言，强调个人选择和医学必要性。

    基因组学时代（2000年后）带来了新的复杂性。全基因组关联研究（GWAS）识别了与疾病相关的基因变异，多基因风险评分（PRS）预测个体的疾病易感性。这些技术是统计的、概率的、基于大样本的相关性——高尔顿-皮尔逊方法的直接继承。

    但新的伦理问题出现：PRS的预测能力有限（大多数性状的遗传力解释方差<20%），但可能被误用为遗传决定论；基因数据与种族、阶级的关联，可能强化新的歧视形式；"增强"（选择"更好"的基因，而非仅仅避免疾病）的边界模糊。

    统计学的意识形态负载在基因组学中持续。当我们说"智力是80%遗传的"，我们使用遗传力的语言，但这种语言暗示固定性、不可改变性、政策含义。当我们说"身高是90%遗传的"，我们忽视了全球身高增长（ Flynn 效应的物理版本）显示环境的重要作用。

    高尔顿的幽灵仍在徘徊。他的相关性、他的正态分布、他的优生学愿景，以变形的方式继续。我们需要批判的统计素养：理解方法的能力，也理解方法的假设、局限和意识形态负载。

    九、教训：数字的暴政与解释的开放

    高尔顿、皮尔逊、孟德尔、费舍尔的故事提供了关于统计认知的多重教训。

    第一，统计方法携带发明者的意识形态。 高尔顿的相关性是为优生学服务的，皮尔逊的卡方检验是为种族主义包装的，费舍尔的遗传力是为农业育种设计的。这些方法在"中性化"后成为标准工具，但它们的起源负载了特定的价值。使用这些方法时，我们需要历史意识，理解它们的原始语境和潜在偏见。

    第二，"过于完美"可以是严谨，也可以是欺诈。 孟德尔的数据拟合优度引发了百年争论，没有最终结论。统计方法检测偏离，但不能区分偏离的原因。我们需要方法论多元主义：结合统计检验、历史语境、实验重复、独立验证，而非依赖单一指标。

    第三，分布的选择是政治性的。 正态分布的暴政不仅是技术问题，也是权力问题。钟形曲线支持中庸、压缩方差、忽视极端的意识形态。在不确定性时代，我们需要肥尾分布的直觉，准备应对"百万年一遇"的频繁发生。

    第四，相关不等于因果，但因果需要相关。 高尔顿的相关性不能证明遗传，但也不能被忽视。现代因果推断（如Judea Pearl的因果图）试图形式化从相关到因果的路径，但这些方法仍然依赖假设，假设本身是可争议的。

    最后，科学事实是社会建构的，但不是任意的。 孟德尔定律在1900年成为事实，是社会过程（重新发现、网络效应、综合），但也是经验约束（豌豆实验的可重复性、染色体观察的符合）。这种建构实在论——事实既被建构，也被约束——是高尔顿-皮尔逊遗产的最深刻教训。

    尾声：钟形曲线的幽灵

    在任何一个现代实验室，研究者可能使用皮尔逊的卡方检验，绘制高尔顿的正态分布，计算费舍尔的遗传力，引用孟德尔的定律。这些方法是无意识的遗产，被教授、被使用、被信任，很少被质疑。

    但高尔顿的幽灵在这些方法中。他的优生学愿景、他的种族主义假设、他对"优秀"和"劣等"的区分，以编码的形式持续。当我们使用"遗传力"时，我们使用他的语言；当我们绘制钟形曲线时，我们复制他的意识形态。

    这不是呼吁放弃统计方法。统计学是现代科学的必要工具，高尔顿和皮尔逊的贡献是真实的、持久的。但这是呼吁批判的使用：理解方法的来源，质疑方法的假设，警惕方法的滥用。

    孟德尔的案例提供了希望。他被遗忘三十年，最终被认可，但他的认可不是终点。他的定律被综合、被修正、被扩展，成为现代遗传学的基础，但也成为批判的对象（如表观遗传学对"基因决定论"的挑战）。科学通过持续的质疑进步，通过对遗产的批判性继承。

    当我们凝视钟形曲线，我们是在凝视高尔顿的眼睛——进步的、乐观的、盲视的眼睛。他相信统计可以揭示自然的秩序，改善人类的状况。他部分正确，部分错误，他的错误与他的正确不可分割。

    这种不可分割是科学的本质。我们不是在高尔顿之外，而是在高尔顿之中。我们的任务是在他的遗产中工作，同时超越他的局限——承认统计的力量，也承认统计的幻觉；追求数字的精确，也保持对解释的开放。

    在钟形曲线的中心，我们看见平均的暴政；在曲线的尾部，我们看见被忽视的极端。高尔顿的幽灵要求我们选择看见什么，而我们的选择定义了我们是谁。

    本章注释与延伸阅读

    高尔顿的《Hereditary Genius》（1869）和《Natural Inheritance》（1889）是优生学和生物统计学的奠基文献。孟德尔的原始论文《Versuche über Pflanzen-Hybriden》（1866）的英译和评论见 Curt Stern 和 Eva Sherwood 编辑的《The Origin of Genetics: A Mendel Source Book》（1966）。关于孟德尔被遗忘和重新发现的历史，参见 Robert C. Olby 的《Origins of Mendelism》（1966）和 Jan Sapp 的《Where the Truth Lies: The Mendelian Revolution》（1990）。关于费舍尔对孟德尔数据的分析，参见 Ronald A. Fisher 的《Has Mendel's Work Been Rediscovered?》（1936）和近期统计重新评估如 Daniel J. Fairbanks 和 Bryce Rytting 的《Mendelian Controversies: A Botanical and Statistical Review》（2001）。关于正态分布的意识形态，参见 Theodore M. Porter 的《The Rise of Statistical Thinking, 1820-1900》（1986）和 Stephen Jay Gould 的《The Mismeasure of Man》（1981，1996修订版）。关于塔勒布对肥尾分布的批判，参见《The Black Swan: The Impact of the Highly Improbable》（2007）和《Statistical Consequences of Fat Tails》（2020）。