证据独立性：统计信息机制而非文档份数

证据是否独立，取决于观察是怎样产生的，而不是有多少文档重复同一个结论。应分开统计文件份数、底层测量次数，以及对解释真正不同的检验。十份报告可能共用一个调查、一个假设或同一种筛选规则，它们的信息增量未必像表面上那样丰富。

不止追溯引用，还要追溯错误机制

引用链回答谁转述了谁；独立性检查则问：这些观察会不会因为同一个原因一起出错？两份有原创文字的报告，仍可能依赖同一组客户调查。反过来，同一组织内部两种测量方法也可能不同，但机构激励和材料选择仍存在关联，不能简单按发布者数量给证据打分。

W3C来源追溯概述用实体、活动和参与者描述来源关系。可以借这种思路登记输入和生成步骤，但它不提供统计独立性认证。下面的证据簇工作表是用于揭示共同机制的编辑工具，不是W3C认可的信心评分，也不意味着找到来源之后就可以省略判断。

假设正在核对一家虚构工业零件公司的需求是否扩大。A报告调查经销商；B报告把同一调查换算成收入预测；C报告采访引用该调查的分析师；D报告查看另一组终端客户采购订单。四个文件，不等于四次独立需求观察。

记录	底层测量	共同弱点	研究中的用途
A	经销商样本调查	没覆盖小买家	有范围限制的直接观察
B	A的调查加价格假设	继承同样遗漏和模型假设	衍生解释
C	基于A的评论	同样样本再加采访选择	背景材料，不增加独立确认
D	终端客户订单样本	样本和订单定义不同	另一种检验，仍需口径核对

A、B、C应归入同一个测量簇。D需要单独描述，但也不自动验证A：客户订单可能撤销，经销商报告的却是出货。合并之前，先对齐期间、产品范围和需求链条中的阶段。来源之间出现差异，不一定说明有人造假，也可能说明它们本来就在观察不同事情。

第一种是共用数据。定位每条记录背后的调查机构、公司披露、原始数据集或交易数据流。包装和品牌不同，不会创造新测量。无法追溯来源时应记为未知，不能因为来历不清就把资料提升为独立证据。一个不透明的数据库可能仍然复制了你已有的公司公告。

第二种是共用假设。两份预测可能使用不同数据，却都依赖同一个提价、汇率或市场规模假设。最终数字一致，可能只是共享输入的结果。能取得假设表就登记，无法取得则说明缺口。模型措辞不同，也不能证明它使用了不同信息或独立完成了检验。

第三种是共用选择机制。两项研究可以分别采集数据，却都只选择成功客户、大型上市公司或近期活跃钱包。相同筛选会留下相同盲区。应把被遗漏群体写在证据簇旁边，而不是把所有限制压缩成备忘录结尾一句“存在偏差”，让读者看不出偏差具体影响哪条推断。

最后总结每个簇检验了什么，还剩下什么未知。可以写“一个经销商测量和一个终端客户测量分别支持机制的不同阶段，订单撤销风险仍未解决”，而不是说“四个来源一致确认需求”。前一种表述能被复查，后一种表述夸大了独立支持程度。

除非有能解释依赖和误差的模型，否则不要乘概率，也不要给每个簇平均加分。这张工作表不是这样的统计模型。共同来源后来更正时，应复查整个依赖簇，而不是把三份报告的更正算成三次新的负面事件。新测量方法的贡献值得保留，但其自身边界也应同时展示。

不是。要检查底层观察、假设和适用群体。独立编辑团队也可能继承同一个测量错误，发布者数量只能作为线索。

不用。它们可能提供有用解释或不同意见。保留其实际用途，但不要把每份文件都算作同一事实的一次独立观测。