浩灵实验室 · 科学易学

Tag: 判别力

  • 出生时刻的信息量上限：把命理与统计之间的鸿沟量化成比特

    📌 证据等级：A

    出生时刻的信息量上限：把命理与统计之间的鸿沟量化成比特

    出生时刻确实携带可测的统计信息，但把它换算成信息论单位，只有约 0.0002 比特——而命理对”个体命运判定”的承诺，需要 10 个比特量级的信息量。这不是谁对谁错的问题，而是两个数字之间隔着 3-4 个数量级的鸿沟。

    正文

    命理（八字、紫微斗数）以出生时刻为唯一输入，承诺判定个体终身的职业、婚姻、健康等命运走向。流行病学则证实，出生季节确实与一系列远期健康结局存在关联。两边都在”用出生时间说话”，但容量天差地别——本文用信息论把这笔账算清楚。

    第一步：出生季节效应到底有多大？

    2023 年一项纳入 43 项研究、440,039 名精神分裂症患者的系统评价与 Meta 分析给出了最稳定的答案：冬季出生者患病风险轻度升高，OR = 1.05（95% CI 1.03–1.07，p < 0.0001）；夏季出生者风险轻度降低，OR = 0.96（PMID 36682315）。更早的北半球系统评价（126,196 例患者）得到冬季/春季出生 OR = 1.07（PMID 14609251），且效应量与纬度呈弱正相关（r = 0.271）。

    OR = 1.05 意味着什么？以精神分裂症约 1% 的基线患病率估算，冬季出生只把个体风险从约 1.00% 抬到约 1.05%——绝对增量约 0.05 个百分点。这在群体公共卫生层面是真实信号，但在个体层面几乎等于什么都没说。

    第二步：把效应量换算成判别力。

    判断”出生时刻信息能否判定个体命运”，标准量尺是判别力（AUC/c-statistic）。方法学文献明确指出：OR 很大（如 3.0）的生物标志物，对 AUC 的增量也可能微乎其微；而 AUC 恰恰是衡量”能否把会得病的个体和不会得病的个体分开”的指标（PMID 17309939）。

    用 Chinn（2000）的 probit 转换计算，OR = 1.05 对应判别力约 AUC ≈ 0.508；OR = 1.07 约 0.511。参照：AUC = 0.5 表示纯随机，AUC = 0.7 才被认为”可能有帮助”。出生季节效应对个体判别的贡献在 0.5 和 0.51 之间——统计学上可检测，判别上几乎不可用。

    第三步：换算成信息论单位。

    把二分类判别问题近似为信息通道，AUC ≈ 0.508 对应判别信息量约 0.0002 比特。这意味着：知道”一个人是冬天还是夏天出生”，关于他会不会患精神分裂症这个二分类结果，你获得的信息量不超过 0.0002 比特——每 5000 个这类判断加起来才凑够 1 比特。

    而命理对个体命运的判定是什么量级？一次”是否命中”的二元断言若要有 80–90% 的准确率（算命让人”觉得准”的基本门槛），对应信息量约 0.28–0.53 比特，且命理通常一次性做出数十个独立断言（职业、婚期、子女、健康事件……），总信息需求轻易达到 10 比特以上。实测的出生时刻信息量上限（约 0.0002 比特）与命理判定所需信息量（约 10+ 比特）之间，隔着 3-4 个数量级的鸿沟。

    第四步：这个鸿沟能不能被”更多变量”填平？

    有人会反驳：命理用的不只是出生季节，而是精确到时辰的完整干支、五行生克。这个反驳恰恰是本文要澄清的：问题不在”变量多不多”，而在”变量有没有携带可用的判别信息”。出生时刻（精确到时辰）确实比出生季节携带更多潜在信息，但能转化为命运判别力的部分极其有限——174.9 万人规模的出生月份-疾病关联扫描（SeaWAS）发现 55 种疾病与出生月份相关，但效应量普遍微小（PMID 29036387）。用 summary data 直接计算个体风险筛查判别力的方法学（PMID 17765299）也反复提示：群体层面的显著关联，绝大多数无法转化为对个体的准确预测。即便把出生时刻粒度从”季节”细化到”时辰”，也没有证据显示携带的信息量有数量级跃升。

    需要强调：这结论不否定出生时间信息的真实性和研究价值，也不否定命理作为文化体系的意义。它只回答一个可检验的问题：出生时刻信息量是否足以支撑”个体命运判定”？答案是否定的。

    证据与局限

    已验证: 出生季节-精神分裂症关联在 44 万人 Meta 分析中稳定可复制（OR 1.05，PMID 36682315）；OR→AUC→比特的换算链有成熟方法学支撑（PMID 17309939、17765299）；大样本出生月份-疾病扫描证实相关疾病广泛但效应量微小（PMID 29036387）。

    部分验证: OR=1.05 对应 AUC≈0.508、信息量≈0.0002 比特的数值是理论换算（Chinn probit 转换 + 二分类通道近似），取决于模型假设；命理”所需信息量 10+ 比特”依赖对断言数量与准确率门槛的假设，不同设定下数值会变，但数量级差距稳健。

    待验证: 对出生时刻（精确到时辰）而非出生季节，直接测量其可判别信息量的上界（需千万级出生登记+结局数据）；命理断言的”准确率门槛”是否存在可操作的预注册定义；跨疾病、跨地域的信息量鸿沟是否稳定在 3 个数量级以上。

    相关阅读

    证据等级: A
    参考文献: PMID 36682315, PMID 14609251, PMID 29036387, PMID 17309939, PMID 17765299

  • 出生季节效应 vs 家族史/多基因风险评分：个体判别力的头对头对比

    📌 证据等级：A

    出生季节效应 vs 家族史/多基因风险评分：个体判别力的头对头对比

    出生月份对疾病风险的贡献在群体层面真实存在，但在个体判别力上远不如家族史与多基因风险评分——这个头对头对比，恰好为”生辰能定个体命运”的断言划出了可证伪的量化边界。

    正文

    八字命理的核心假设是：一个人出生的时刻（精确到时辰）承载了足以判定其一生吉凶祸福的信息。上一篇我们已经论证，出生季节效应（OR≈1.05，AUC≈0.508）与命理判定所需的信息量之间存在 3-4 个数量级的鸿沟。但严谨的检验需要一个”对照组”：把出生时刻放进同一个坐标系，与医学界公认的两大风险因子——家族史和多基因风险评分（PRS）——做头对头对比。如果连这两个公认指标在个体判别上都只有中低水平，那么效应量远小于它们的”出生时刻”，凭什么宣称能判定个体命运？

    家族史 vs PRS：现代遗传学的系统测量

    先看两个公认强预测因子彼此如何比较。Mars 等人（2022）在 FinnGen 队列（N=306,418）中对 24 种常见疾病系统对比了一级/二级家族史与全基因组 PRS，结论非常明确：两者独立且互补，不可互换。PRS 平均只解释了家族史效应的 10%，家族史只解释 PRS 效应的 3%；在冠心病、青光眼、2 型糖尿病等大多数疾病中，高 PRS 可以完全”补偿”掉阳性家族史带来的风险。换句话说，即使在遗传学内部，两个公认指标也各管一段，谁都无法单凭自己锁定个体。

    更直接的判别力数据来自北欧注册研究（Lu 等人，2018）：在 5,959 例精神分裂症患者与 8,717 名对照中，GRS 与家族史的联合模型判别能力”接近临床可用性的最低阈值“——两强联手，也才刚刚摸到”勉强能用”的边。2026 年 BMC Medicine 的 All of Us 研究（N>120,000）进一步量化：PRS 只中介了家族史总效应的 13-16%，两者叠加才能把风险分层拉开到 2.5 倍以上。

    出生季节效应在这个坐标系里的位置

    现在把三方摆到一起：出生季节效应的 OR≈1.05-1.10，PRS 最高十分位人群的 OR≈3-4，一级家族史的 OR 依疾病在 1.5-2.5 之间。判别力（AUC）方面，精神分裂症 PRS 约 0.65-0.70，出生月份效应约 0.508。这个坐标系说明三件事：

    第一，出生季节效应与遗传风险在机制上相互独立。Escott-Price 等人（2019）在 UK Biobank 136,538 人中直接测量了精神分裂症 PRS 与出生季节的相关性，结果完全不相关——出生季节效应不是基因-环境混杂的假象，而是真实的环境暴露效应。这为”出生时间承载环境信息”的直觉提供了科学支撑，但它的量级决定了它只配当群体流行病学线索，不配当个体判定的依据。

    第二，从群体关联到个体判别，隔着一条信息量鸿沟。SeaWAS 扫描（Boland 2015，174.9 万人）发现 55 种疾病与出生月份显著相关，独立复制研究也证实了心血管疾病的风险峰值（Li 2016）——但”有相关”和”能判个体”是两码事。效应量每小一个数量级，判别力就断崖式下跌：OR 1.05 换算成 AUC 只有 0.508，比掷硬币好不到一个百分点，而 PRS 的 0.65 已经需要数十万人的 GWAS 才能堆出来。

    第三，对命理学的检验含义：如果”出生时间影响命运”要走科学路线，它必须与家族史、PRS 站在同一个 AUC/净重分类指数（NRI）/净获益的擂台上，用同一个队列、同一套结局做头对头对比。命理体系若有真实的个体预测力，至少应当展现出与”一级家族史+高 PRS”相当的判别增量——而不是只停留在”冬天出生的人精神分裂症风险高 5%”这种群体水平。

    可执行的实验设计

    检验方案清晰可行：取一个含出生日期、基因型、家族史与多年随访结局的大型队列（UK Biobank 或 FinnGen 皆可），建立四个预测模型——(1) 仅出生季节/月份；(2) 家族史；(3) PRS；(4) 三者联合。对比 AUC 增量、NRI 与决策曲线净获益。预期结果：出生季节模型的 AUC 增量接近零，家族史与 PRS 各自贡献 0.01-0.02 的增量，联合模型达到最佳。若命理断言为真，其预测增量应显著超过随机——这就是可证伪的判据，也正是”生辰断命”从信仰走向科学的必经之路。

    证据与局限

    已验证: 出生季节效应为真实环境效应，与遗传风险相互独立（PMID 29501066）；家族史与 PRS 在 24 种疾病中独立互补、不可互换（PMID 36347255）；GRS+家族史联合模型判别力仅接近临床最低阈值（PMID 28942743）；出生月份与 55 种疾病显著相关且可独立复制（PMID 26041386, 27624541）；PRS 仅中介家族史效应的 13-16%（PMID 41629984）。

    部分验证: 出生季节效应在心血管死亡中的微弱关联（春季 HR≈1.10）跨性别、跨地域稳定，但机制未明；PRS 跨祖先人群（如非洲裔）预测力显著衰减，出生季节效应的跨族群异质性尚缺系统评估。

    待验证: ① 同一队列内”出生时刻（时辰粒度）×家族史×PRS”三方 AUC 头对头的正式研究（尚无文献直接执行）；② 命理体系（如八字）作为预测因子加入临床模型后的 NRI/净获益增量检验；③ 出生季节效应在非欧洲人群中的量级是否一致。

    相关阅读

    证据等级: A（有PubMed直接支撑）
    参考文献: PMID 36347255, PMID 29501066, PMID 28942743, PMID 26041386, PMID 27624541, PMID 41629984

  • 命理判定的门槛：个体命运断言需要多大的效应量与判别力

    📌 证据等级：A

    命理判定的门槛：个体命运断言需要多大的效应量与判别力

    如果”用出生时刻判定个体命运”是一个可以检验的科学命题，那么它必须先跨过一道门槛：其携带的判别信息至少要达到 AUC 0.75 甚至更高的量级，对应的效应量（OR）至少要 3 倍以上——而现代流行病学能测量的出生时刻效应，连这个门槛的十分之一都够不着。

    正文

    上一篇文章《出生时刻的信息量上限》从”实测”端算出出生季节效应携带的信息量（约 0.0002 比特），与命理”个体命运判定”所需信息量（10+ 比特）之间存在 3-4 个数量级的鸿沟。本文换一个角度，从”理论”端问：如果命理的个体断言是真的，它需要多大的效应量与判别力？

    一、判别力的理论上限：遗传力与患病率决定天花板

    基因组学个体化预测有一套成熟理论：任何预测因子的判别力（AUC）都存在绝对上限，由结局的遗传力（heritability）与患病率共同决定。Wray 等人 2010 年给出了最大 AUC 与遗传力、患病率的显式方程，并计算了 17 种复杂疾病的”理论天花板”：要达到 AUC 0.75，各疾病需要解释的遗传方差从 10% 到 74% 不等——高遗传力疾病相对”容易”，大多数复杂性状几乎不可能靠单一类别的预测因子达到高判别力。Dreyfuss 等人 2012 年进一步证明，即使不做任何分布假设，遗传预测准确度也存在数学上的硬上限。这条理论给命理命题的第一个约束：个体命运判定必须建立在”出生时刻信息”与命运结局足够强的关联之上，而这个关联强度有理论天花板。 出生时刻（八字）作为预测因子，其判别力上限同样受限于它解释了命运结局多少方差——如果它像实测那样只解释百分之零点几，那么无论命理逻辑多精致，其判别力都不可能超过 0.51。

    二、”够用”的门槛：AUC 0.7 不够，至少 0.75-0.8

    临床预测领域对”多少 AUC 才算够用”有大量讨论。流行的经验阈值是 0.7（可接受）、0.8（优秀）、0.9（杰出）——但 White 等人 2023 年在 BMC Medicine 上分析了 PubMed 中 306,888 个报告过的 AUC 值，发现分布在这三个阈值处出现明显”堆积”，而阈值之下”短缺”，提示大量研究者为报告”漂亮”的 AUC 而反复重分析数据（AUC hacking）。这说明 0.7/0.8/0.9 不仅是经验分界，还成了被系统博弈的对象——真正经得起检验的模型，门槛应该更高。

    Vickers 的决策曲线分析（DCA）方法论给出了更严格的回答：AUC 本身不回答”模型是否值得用”，必须结合净获益（net benefit）与阈值概率（threshold probability）评估——”根据预测采取行动”的好处是否超过”误判”的代价。Vickers 与 Holland 2021 年的综述明确指出：“AUC 要多少才够用”没有统一答案——取决于使用场景与代价结构。

    那为什么本文仍坚持”至少 AUC 0.75″？因为命理不是医疗筛查，它的断言（职业、婚期、健康事件）没有明确的”行动与代价”框架，却承诺了极高粒度的个体判定。对照临床最强的预测工具多基因风险评分（PRS）——Dudbridge 2013 年的理论分析表明，即使标记面板解释了全部遗传力，要达到临床有用的 AUC（约 0.75），多数复杂疾病也需要数十万到数百万的样本规模来估计效应。命理的输入只是出生时刻，若它的判别力要达到 PRS 的天花板，意味着出生时刻必须携带相当于”全部遗传信息”的预测力——这在效应量上是不可能的。

    三、把门槛换算成效应量：AUC 0.75 需要 OR 4 以上

    AUC 与效应量（OR）的换算有标准公式。对一个二分类暴露（如”这个八字是否吉命”），AUC 0.60 约对应 OR 2.0；AUC 0.70 对应 OR 约 4.0；AUC 0.80 对应 OR 约 9-10。也就是说，命理断言要达到 AUC 0.75 的门槛，出生时刻暴露的效应量至少需要 OR 4-5——”吉命”与”凶命”之间的风险差 4 倍以上。

    对照现实：出生季节与精神分裂症的关联 OR 1.05，出生月份与数十种疾病的关联 OR 1.02-1.10，即使按效应最强的纬度带计算，出生时刻相关暴露的 OR 也极少超过 1.3。实测效应与所需效应量之间隔着约 20-30 倍。更严峻的是：即使 OR 达 3.0 的强生物标志物，加入模型后的 AUC 增量也可能微乎其微，因为判别力还取决于暴露在人群中的分布与结局患病率。

    四、另一个被低估的门槛：多重断言的一致性

    命理通常一次性做出数十个独立断言（事业、婚姻、子女、健康、财运、流年……）。一个很少被讨论的统计学含义：每个断言都是一个独立的判别问题，都要跨过各自的 AUC 门槛。 如果单个断言的判别力只有 AUC 0.55（已远超实测的 0.51），”同时准确命中 10 个维度”的概率接近零。要让”整套判词”在统计上可辩护，每个维度都要相当高，这进一步抬高了总门槛。还有一个实践陷阱：用”事后觉得准”评价命理是无效的。临床预测领域尚且存在 AUC 系统性高估，命理断言更缺乏预注册、盲法与多重检验校正。任何关于命理判别力的主张，都必须先通过盲法+预注册的检验，才能进入与 AUC 门槛对话的环节。

    五、结论：门槛立起来了，现实够不着

    把这条理论链收拢：命理”个体命运判定”若要成为可辩护的科学命题，出生时刻暴露的判别力至少要达到 AUC 0.75（对应 OR 4-5），且每个断言维度都要独立达标；而现代流行病学实测的出生时刻效应（OR 1.02-1.10，AUC 0.51）连门槛的十分之一都不到。这条鸿沟不是”统计方法不够先进”造成的，而是理论天花板与实测效应量共同决定的。科学能做的，是把门槛本身立清楚——不是断言命理”不可能”，而是给出一个可以被检验、被反驳的量化标准。

    证据与局限

    已验证: 遗传预测判别力存在由遗传力与患病率决定的绝对理论上限（PMID 22827772, 20195508）；PRS 达到 AUC 0.75 需要解释大部分遗传方差且需海量样本（PMID 23555274）；决策曲线分析框架下”AUC 多高才够用”取决于净获益与代价结构而非 AUC 本身（PMID 17099194, 33676020）；报告中的 AUC 存在 0.7/0.8/0.9 阈值堆积的系统性高估证据（PMID 37667344）；稀有事件下 AUC 的可靠性由事件数而非事件率决定（PMID 41224138）。

    部分验证: AUC-OR 换算公式有成熟方法学（Chinn 2000 等），但实际判别力还受暴露分布与患病率影响，需个案计算。

    待验证: 出生时刻（时辰粒度）暴露的效应量是否在任何疾病上达到 OR 3 以上；命理多个断言维度之间的相关性是否允许”部分维度达标”；命盘评分操作化后在临床模型基线之上能否带来 NRI/净获益增量（对应 backlog #419）。

    相关阅读

    证据等级: A
    参考文献: PMID 22827772, PMID 20195508, PMID 23555274, PMID 17099194, PMID 33676020, PMID 37667344, PMID 41224138

  • 出生季节效应的判别力：从统计显著到个体命运的鸿沟

    📌 证据等级：A

    出生季节效应的判别力：从统计显著到个体命运的鸿沟

    出生季节效应在群体层面真实存在、稳定可复制，但效应量小到几乎无法用于判断任何一个人的命运——”统计显著”与”个体可判别”之间隔着一条巨大的鸿沟。

    正文

    命理体系（八字、紫微斗数）有一个最核心的假设：一个人出生的时刻，本身就携带了足以判定其一生吉凶祸福的信息。现代科学恰好有一个与之可对撞的研究领域——出生季节效应（season of birth effect）：出生月份确实与精神分裂症、多发性硬化、代谢特征等数十种健康结局存在统计关联。那么关键问题来了：出生时刻如果真的携带信息，这个信息量有多大？够不够支撑”个体命运判定”？

    一、效应量级：真实但极小

    先看最可靠的证据。2023年一项覆盖43个国家与地区、纳入440,039名精神分裂症患者的系统综述与meta分析显示，冬季出生者的患病风险显著升高，但合并效应量仅为OR 1.05（95%CI 1.03–1.07）；夏季出生者风险降低（OR 0.96）。这是目前全球最大规模的出生季节-精神疾病证据。更早的北半球meta（126,196名患者、8,660万对照出生人口）得到类似结果：冬春出生超额OR 1.07，但人群归因风险只有3.3%——即使把”冬春出生”视为暴露，它也只能解释精神分裂症约3%的病例，远低于家族史、城市出生地等因素。

    全表型扫描给出同样的图景。哥伦比亚大学团队对174.9万人的电子病历做系统扫描（SeaWAS），在1,688种疾病中找到55种与出生月份显著相关，但多数效应的相对风险仅在1.02–1.10之间徘徊。英国生物库（UK Biobank）50.2万人的分析同样显示，出生季节对基础代谢率、反应速度、睡眠等指标存在显著但微小的效应——2024年神经影像子研究里，夏季出生与复发性抑郁的关联系数β仅为0.026，作者直言”效应量过小，需在更大范围验证”。

    二、判别力：接近掷硬币

    效应量小意味着什么？把OR换算成判别力指标即可量化。对OR 1.05的暴露，其对应的AUC（ROC曲线下面积）大约只有0.51——满分1.0、随机0.5，出生季节对”这个人将来会不会得精神分裂症”的判别能力，只比掷硬币好了约1个百分点。即使按效应最强的纬度带（OR约1.28）计算，AUC也不超过0.56。

    判别力方法学对此早有成熟工具。净重分类改善指数（NRI）与综合判别改善指数（IDI）常被用来评估”新标记物加入模型后是否提升个体风险分层”，但Pencina等人的理论分析指出，这类指标对弱效应极其敏感，容易给出”显著改善”的假象；Pepe等人的模拟更警告，NRI即使在新标记毫无预测信息时也可能为正值。Kerr等人建议回归更朴素的标尺：净获益（net benefit）与真实/假阳性率。用这些更严格的尺度衡量，出生季节几乎不可能通过任何有临床意义的判别力门槛——因为门槛的另一端是”给个体贴风险标签”这一有代价的动作。

    三、脑影像的间接印证

    一个令人印象深刻的对照实验：Pantazatos用550例脑结构MRI尝试”仅凭大脑形态判断一个人的出生季节”。结果显示脑形态确实携带季节印记（女性整体分类准确率35%，显著高于25%的机会水平），但即便在最好区分的”冬季vs夏季”二元对比中，AUC也只有0.71——这是”群体印记真实存在、个体判别依然困难”的最直观例证。另一个角度：UK Biobank 13.6万人的基因分析显示，精神分裂症多基因风险评分与出生季节完全无关，说明出生季节效应是真实的环境印记、而非基因-环境混杂的假象——但它依然只是一个小效应。作为对照，同一样本中家族史/多基因评分这些”个体级”风险标记的效应量级远高于出生季节，这正是”群体印记”与”个体可判别”差异的最直接注脚。

    四、对命理体系的启示

    这些证据指向一个可以被命理界认真回应的量化问题：出生时刻的”信息量”确实存在（群体层面可复制），但量级决定了它无法支撑”个体命运判定”。把出生季节的判别力上限（AUC约0.51）与八字/紫微”精准判命”的宣称并置，鸿沟是显性的。科学能做的，一是把这个上限算清楚，二是给出一个可对话的坐标系：什么样的效应量级才能支撑个体级别的断言——那至少需要AUC达到0.7以上，而目前出生季节效应连0.55都够不着。

    证据与局限

    已验证: 出生季节-精神分裂症关联在44万人meta中稳定（OR 1.05）；SeaWAS在174.9万人中发现55种疾病与出生月份相关；效应量换算的AUC增量不足0.02；NRI/IDI在弱效应下的夸大倾向已被方法学文献反复警示。

    部分验证: 脑结构MRI可超随机水平分类出生季节（女性35% vs 机会25%），但个体判别准确率仍低——”群体印记vs个体判别”的分离有实证；UK Biobank 13.6万人证实出生季节效应非基因-环境混杂。

    待验证: 出生季节在多大比例的疾病上能带来AUC/净获益的可检验增量；与家族史、遗传PRS等个体风险标记的判别力头对头对比；命理判定粒度与出生时刻信息量之间的信息论上界（互信息/可判别性）量化。

    相关阅读

    证据等级: A
    参考文献: PMID 36682315, PMID 14609251, PMID 26041386, PMID 27426413, PMID 26504496, PMID 38776272, PMID 29501066