The Ergodicity Gap: A Framework for Understanding When Population Evidence Describes Individual Lives
本文引入了福祉的遍历性模型（EMF），旨在证明由于复利资源和吸收态等非遍历性因素的存在，群体层面的平均值往往无法代表个人的生命轨迹，从而在聚合证据与个人体验之间造成了系统性的正向差距。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，试图通过一张人群的照片来理解一个人的生命。在福祉研究领域，这正是每天都在发生的事情。政府、雇主和科学家经常在同一时刻对数千人进行调查，以衡量幸福感、生活满意度和心理健康。他们计算出一个瞬间快照的平均分，并假设这个分数能够告诉他们一个典型的人在多年间的生命状态。这种方法依赖于一个隐藏的假设：即一个群体在某一时刻的平均值，等于一个人在多年间的平均值。几十年来，这个假设一直未受到挑战，被视为一个简单的统计问题。但一项新的分析表明，这个假设从根本上说是失效的，并不是因为调查设计得不好，而是因为人类的生命运作方式并不符合数学所假设的方式。
问题的核心在于一个被称为“遍历性”（ergodicity）的概念。简单来说，如果一个过程在某一时刻的一群人的平均体验，与一个人在很长一段时间内的平均体验是相同的，那么这个过程就是遍历的。如果你正在观察一群人在公园里散步，且这群人的平均速度与任何单个步行者在一小时内的速度相匹配，那么这个系统就是遍历的。然而，人类的生命很少是那样的。它们受两种强大力量的影响，从而打破了这种对称性。首先，让生活变得美好的资源——如金钱、健康或社交联系——往往以一种复合的方式增长或缩减。正如利息会在银行账户中产生利息一样，生活中微小的优势或劣势往往会随着时间的推移而倍增，导致人们之间的差距不断扩大。其次，生命包含了“吸收态”（absorbing states），即一旦进入便难以离开的困境。这些包括严重的抑郁、长期失业或慢性疾病。一旦一个人陷入这些状态，他们往往会停止参与调查或完全退出劳动力市场，从而有效地从数据集里消失了。
由研究员谢伊·察班（Shay Tsaban）开发的一个名为“福祉遍历性模型”（Ergelodicity Model of Well-being）的新框架将这些想法结合在一起，展示了为什么人口平均值会系统性地误导我们对个人生活的认知。该模型认为，当我们观察人口的快照时，我们看到的是一个扭曲的画面。因为那些陷入最艰难状态的人是最有可能退出研究的人，剩下的群体看起来比人口的实际情况更幸福、更稳定。从幸存者中计算出的平均分不仅是有偏差，它还是一个系统性的乐观谎言。它夸大了一个人在生活中可以经历的状态，因为它默默地排除了那些处境最差的人。
这项研究不仅指出了一个缺陷，还描绘出了误差是如何发生以及向哪个方向发生的。作者展示了群体平均值与个人现实之间的差距并非随机噪声。它具有特定的形状和可预测的方向。差距的大小取决于生活的资源如何复合，以及资源与报告的幸福感之间的联系如何剧烈弯曲。但误差的方向是由“处于最糟糕状况的人离开样本”这一事实决定的。随着时间的推移，群体平均值会离真相越来越远，而不是越来越近。研究进行的时间越长，它失去的正是那些最需要被看见的人，使得最终的平均值看起来比实际情况更好。
这一发现改变了我们解读数十年福祉研究的方式。例如，该领域长期以来一直在争论人们是否会适应重大生活事件，如离婚或残疾。基于人口调查的标准观点认为，大多数人会恢复到之前的幸福水平。然而，这个模型表明，这种表象上的“适应”是由数据造成的幻觉。那些未能恢复的人，是那些停止回答调查或离开劳动力市场的人。调查只能看到那些恢复了的人，所以平均值看起来像是每个人都恢复了。实际上，很大一部分人可能正处于一种不幸福的状态中，而人口平均值完全忽略了这一点。
其影响延伸到了政府和组织如何制定决策。利用这些人口平均值来指导政策的机构，实际上是在针对错误的目标进行优化。如果一家公司试图通过提高平均分来改善员工福祉，他们可能会成功——通过让那些已经很幸福的员工变得稍微更幸福，同时忽视了那些处于崩溃边缘的人。因为处于崩溃边缘的人是最有可能辞职并从数据中消失的人，所以即使典型工人的实际体验在恶化，公司的平均分也可能上升。该模型预测，通过专注于群体平均值，机构正在系统性地减少在预防那些会导致人们退出系统的不可逆伤害方面的投入。
该论文提供了一种修复方法，不是通过放弃人口数据，而是通过增加两个缺失的信息。要真正理解一个群体的福祉，我们不仅需要知道目前仍存在的人的平均得分，还需要知道人们陷入无法离开的状态的速度，以及他们在那里停留了多久。这些事实可以通过有关长期疾病、住院或失业的行政记录找到，但这些记录很少与调查数据相结合。通过计算这些速率，我们可以修正人口平均值，从而得到一个关于典型人生实况的现实估计。
这项工作并不声称人口调查是无用的。它们仍然是我们用于许多目的的最佳工具。但它坚持认为，我们不应将它们视为通往个人命运的直接窗口。一群人的平均值并不等于一个人的平均值。当我们混淆两者时，我们就有可能建立起那些在纸面上看起来很好，却无法保护那些最需要帮助的人的政策。解决方案是承认差距，测量缺失的部分，并接受一个事实：生命的篇章是在时间中书写的，而非在单一的快照中。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。