统计错误挑战多式综合语演化主张：方法论缺陷与重估结果

来自多机构的研究团队针对Bromham等人关于多式综合语演化生态的统计方法展开复核，发现其贝叶斯模型平均(BMA)误用为频率模型平均(FMA)、空间滤波(ESF)算法存在三重缺陷，导致关键指标"小语系"显著性消失。研究通过BIC校正与混合效应模型重构，证实多式综合语分布特征主要受系统发育与地理聚类影响，推翻原研究的"长孤立谱系"理论。

　　

最新研究揭露了关于多式综合语演化生态的重要统计缺陷。原声称多式综合语倾向于出现在小种群、低语言接触和高系统发育隔离环境的结论，被证明建立在有问题的统计方法之上。

研究团队发现原分析存在两大核心问题：首先，所谓的贝叶斯模型平均(Bayesian Model Averaging, BMA)实则采用了频率学派模型平均(Frequentist Model Averaging, FMA)，错误地使用最大似然估计(MLE)计算后验模型概率(PMP)。这种未考虑模型复杂度的做法导致过拟合，使所有后验包含概率(PIP)虚高至0.5以上。经贝叶斯信息准则(BIC)校正后，仅L1.pop（母语人口）、Bordering languages/km（单位面积边界语言数）和Altitude（海拔）保持PIP>0.5，而原研究核心指标"Small Family"（小语系）的PIP骤降至0.06以下。

其次，在控制系统发育和地理关联性的空间滤波(ESF)方法中存在三重错误：特征向量选择标准误用、归一化因子计算错误，以及多矩阵协同处理不当。当采用正确的混合效应模型（包含语言家族和亚区域随机效应）后，模型拟合优度显著提升(ΔBIC>860)，固定效应要么失去显著性要么效应方向逆转。方差分解显示系统发育和地理结构解释了99.5%的变异，而原研究关注的固定效应仅贡献不足4%的解释力。

这些发现表明，多式综合语的空间分布模式主要源于历史谱系关系和地理聚集效应，而非原研究声称的社会生态因素。