语言全局分析需考量关系、地理与不平衡二元数据：对Koplenig与Wolfer的回应

来自全球多机构的研究人员针对语言类型学数据分析中的关键问题开展研究，指出Koplenig与Wolfer的方法未充分考虑二元数据不平衡性、空间自相关和谱系聚类效应。通过采用可逆跳转马尔可夫链蒙特卡洛（rjMCMC）和莫兰系数（MC）等先进统计技术，团队验证了海拔（Altitude）和母语人口（L1_population）对多式综合语（Polysynthesis）分布的显著影响，强调了空间滤波（ESF）与混合模型在控制自相关中的重要性，为语言演化与地理生态因素的关联研究提供了方法论范本。

　　

针对Koplenig与Wolfer提出的质疑，本研究系统论证了全球语言分析必须处理三个核心问题：类型学数据常呈现不平衡二元分布（如多式综合语罕见）、空间聚类效应以及谱系关联性。通过采用不假设数据分布的可逆跳转马尔可夫链蒙特卡洛（rjMCMC）算法——尽管计算量增加数个量级——团队发现海拔（Altitude）与母语人口规模（L1_population）始终是预测多式综合语分布的最显著因子（后验包含概率PIP=1.000），而小语族（Small_Family）的影响被高估源于其与连续变量的相关性。

研究进一步揭示，基于模型拟合度（如AIC）的特征向量选择方法会误选55个空间特征向量，导致过拟合和残留自相关，而莫兰系数（MC）标准化方法能高效筛选关键空间特征向量。混合模型中的区域随机效应由于违反异质性独立假设，反而加剧了分类不平衡问题：35个语族全为多式综合语，179个语族完全缺失该特征，致使模型方差膨胀至936且拟合度虚高（r²>99%）。这些发现强调空间滤波（ESF）比层级混合模型更能有效控制语言数据的空间与谱系自相关。