山东沿海 7 市旅游强度与近岸海域水质的残差交互分析：公开数据撑不起这个问题

这一轮跑之前写下的预测（P1：在这个样本量上测不出任何关联）被推翻了，两种零模型方案 都给出 p < 0.05、三个种子一致。我们按预注册如实报告这个推翻。但同一份预注册里的 另一条判据也触发了：按城市重抽的偏相关 95% 区间横跨 −1.00 到 1.00，方向并没有被钉住。 p 值和区间说的不是一回事，两个都得看。

1. 卡住这一轮的不是方法，是数据

7 个城市 × 3 年 = 21 个格子。逐格找下来：

五项同时齐全的只有 10 个：青岛 2021/2022/2023、烟台 2021、威海 2021/2022、 潍坊 2023、日照 2023、东营 2021/2023。

几个具体的坑，都是这类研究会反复撞上的：

• 滨州三年的统计公报根本不发旅游数据，全文搜「接待 / 游客 / 旅游收入」零命中。 潍坊 2021/2022 只有定性描述（「新评定 4A 级景区 1 家」），没有人次和金额。
• 烟台从 2022 年起把近岸海域这一项从统计公报里拿掉了。2021 年那句 「符合一、二类海水水质标准的海域面积占全市管辖海域面积的 94.9%」在 2022/2023 两版里整句消失； 我们交叉查了市统计局版和市政府门户版两个独立版本，都没有。
• 东营 2022 只有分航次值（春季航次 32.9%、秋季航次 73.3%），没有年度值。 按跑之前定的规则，不许拿单航次冒充年度数，这一格判为缺失。
• 山东省级的《生态环境状况公报》三年都取不到可解析文本：2021 年那份是纯扫描件 （22.6 MB / 28 页，无文字层），2022/2023 两份源站不可达、存档快照被截断。 《中国海洋生态环境状况公报》2021–2023 三份我们都完整下载了（17–147 MB）， 但正文同样是图片，没有文字层。这是本轮最值得下次先解决的一件事： 省级公报里有全部 7 市的统一口径数据，只要能把它转成文本，样本量能从 10 涨到 21。

2. 口径不统一：为什么预注册的主分析没能跑

跑之前写死的规则是：同一个城市在进入分析的那些年份里，指标口径必须一致；不一致的， 该城市该指标按缺失处理，另做一次把它们加回来的敏感性分析，两个结果都报。

对上真实数据之后：

• 旅游口径在 2022 年集体切换。 多数市从「接待国内外游客」或不分内外的「接待游客总人数」 切成「接待国内游客」。青岛、威海、东营三市都在三年里跨了口径 —— 按规则，它们的旅游数据 在主分析里全部作废。
• 剩下口径自洽的只有烟台 2021、潍坊 2023、日照 2023 三个观测。n = 3，主分析无法进行， 代码按预注册的下限（n < 8 跳过）直接跳过，日志在 work/logs/analyze_strict.log。

这个口径差到底有多大，我们量了： 威海 2021 年公报同一段里同时给了三套数 —— 接待旅游总人数 4407.3 万人次、接待国内游客 4403.93 万人次、接待入境游客 3.37 万人次。 入境占比 0.076%；旅游总收入与国内旅游收入在公报里是同一个数（都是 533.52 亿元）。 我们又把 20 份公报正文全量扫了「入境 / 境外 / 外汇收入」，只有威海 2021 这一处单列入境， 其余 19 份零命中。2021–2023 这三年边境基本关闭，两种口径差在千分之一量级。

所以敏感性分析（10 个观测全进）在数值上是可信的，本报告后面的数字都出自它。 但口径规则本身没有放宽、也没有回头改预注册，两条路径的结果都在包里： work/results/analysis_strict.json（n=3，跳过）与 work/results/analysis.json（n=10）。

目标变量这一侧的口径更麻烦，而且没法用同样的办法化解：

预注册里对这种情况的处置是：主结论降级为仅方向性提示，并点名是哪几个城市。 本报告照此执行。这也是为什么第 0 节说「方向性提示」而不是「结论」。

3. 结果：数字、方向，以及它到底在说什么

10 个观测，6 个城市，扣掉常数、两个控制变量与两个年份哑变量后，残差自由度 4。

「3 个种子方向一致」这句话旁边必须放着那个区间——这是跑之前就写进判据的要求。 p 值说：假如这 10 行彼此独立，这个方向和随机打乱能分开。但这 10 行只来自 6 个城市、水质几乎只在城市之间变；复核补做的模拟显示，在同样的城市聚集结构下、旅游与水质毫无关系时，这个检验有约 14% 的概率给出 p<0.05（名义 5%），改成按城市整块置换则 p=0.50。所以 p=0.015 不能当作「信号和随机能分开」的证据。区间说：只有 6 个城市可抽， 换一组城市，方向可能整个翻过来（约十分之一的重抽确实翻了）。两句都是真的，别只引一句。

为什么不能读成「旅游改善水质」，第 0 节那个 0.48 是关键：

同一座城市三年里旅游人次能差一倍，水质几乎不动；而城市之间的水质差距有 10.5 个百分点 （青岛 99、威海 100，对潍坊 43.8–75.6、东营 76–79）。这条关联住在城市之间，不住在城市内部。 城市之间的差别里，最不像旅游造成的那一条是地理：青岛、威海、日照面向黄海开阔海域， 潍坊、东营、滨州在渤海／莱州湾一侧，本身就是半封闭海湾、受入海河流总氮影响大。 旅游体量也沿着同一条线分布。这种情况下，正向系数最自然的解释是反向因果加地理混杂 ——水好所以旅游旺，不是旅游旺所以水好。 我们在预注册里就把反向因果列为已声明混杂， 这一轮的数据规模不足以把它拆开。

本来能拆开它的是城市固定效应（只看城市内部的变化）。10 个观测、6 个城市， 加上城市哑变量之后自由度归零，这条路在本轮样本量下走不通，代码如实记为 insufficient_df，没有硬跑一个没有自由度的模型出来。

4. 这把尺子测得准吗（正负对照与检出率）

跑之前写死的作废开关：正对照测不出、或负对照虚警超过 10%，主结论一并作废。

• 负对照（因变量换成纯噪声，真实偏相关 = 0）：三个种子 p = 0.277 / 0.149 / 0.788， 一个都没虚报；另做的 200 次模拟里，零效应档的虚警率 7%（95% 区间约 4%–11%），接近名义的 5%。但这些模拟用的都是互相独立的噪声；换成与本面板一样「城市之间差很多、城市内部几乎不动」的噪声，同一个检验的虚警率约 14%（复核补做，1000 次）。这把尺子只验证了独立数据的情形，替这份面板的 p 值背不了书。
• 正对照（注入真实偏相关 0.6 的合成因变量）：三个种子 p = 0.195 / 0.004 / 0.010， 3 个里测出来 2 个。刚好达到预注册的门槛（至少 2 个），但也正好暴露了问题——

检出率曲线（n = 10，200 次模拟 × 每次 399 次置换）：

在这个样本量上，真实偏相关得达到 0.8 才有八成把握看得见。 反过来说： 这一轮观测到的 0.896 之所以被检出，正是因为它大得离谱——而一个大到 0.9 的偏相关， 在只有 6 个城市、且城市之间本身就按地理分成两组的情况下，更像是分组效应，不是净效应。

5. 留一城市

去掉任意一个城市重算，旅游接待人次的偏相关仍在 0.786–0.986，方向没有被单个城市带着走。 但旅游收入那一侧不同：去掉东营之后偏相关从 0.829 掉到 0.159，说明收入口径那条结论 对单个城市敏感得多。两条都在 work/results/analysis.json 的 loco 段里。

6. 这一轮不能支持什么

• 不能支持任何因果说法。10 个观测、没有外生冲击、没有工具变量、城市固定效应跑不了。
• 不能支持「旅游对近岸水质有正面影响」。正号几乎全部来自城市之间的地理差异。
• 不能支持「旅游对近岸水质没有负面影响」。真实负效应要达到 0.8 量级才有八成把握被看见， 更小的负效应在这个样本量下本来就看不见。
• 不能支持任何政策建议（限流、收费、排污管控）。
• 不能推广到山东以外，也不能推广到 2021–2023 以外。这三年旅游受疫情压制、口径还切了一次。
• 不能把不同口径的水质数字当成同一把尺子——点位法、面积法、未写明三种混在同一列里。

7. 数据从哪来，每个数字怎么查

• 85 条原始记录全部随包交付在 work/data/data_provenance.json，每条都带： 城市、年份、指标原文、数值、单位、实际下载到的 URL、随包交付的来源文件、 以及那句话的原文片段。
• 来源文件本身在 work/data/sources/（36 份，1.1 MB），可以直接打开核。
• audit_delivery.py 会把面板里的每一个数字回到来源文件里重新 grep 一遍，对不上就报错。
• 来源强弱我们没有抹平：威海、烟台、青岛、日照的多数记录来自 .gov.cn 原文 （青岛 2021 那份是官方统计公报 PDF，本机连不上官网，经服务端抓取取回）； 潍坊、滨州、东营的水质数字来自第三方统计公报转载库（tjgb.hongheiku.com、etmoc.com）， 数字已在本地文件里核到原文，但没能与官方原始页面二次比对。 每条记录的 source_type 字段都标了这一点。如果这批数据要进正式研究，这 6 条建议复核。

8. 怎么复现

``bash python3 work/code/00_assemble_provenance.py # 回原文核对 85 条记录 python3 work/code/01_build_panel.py # 生成 panel.csv 与 panel_strict.csv python3 work/code/02_analyze.py panel.csv analysis.json # 主分析（需 numpy） python3 work/code/02_analyze.py panel_strict.csv analysis_strict.json python3 work/code/03_recheck.py panel.csv recheck.json # 独立复算（纯标准库） python3 work/code/05_diagnostics.py # 城市内 / 城市间分解 python3 work/code/04_figs.py # 出图（需 matplotlib） python3 audit_delivery.py # 包内自检，只用标准库 ``

全部随机性由显式种子控制（置换、重抽、对照噪声一律走标准库 random.Random(seed)）， 同机重跑逐位一致。主分析走 numpy，独立复算是另写的纯标准库实现，两者在 β、偏相关、ΔR²、 三个种子的置换 p、重抽区间、正负对照 p 上逐项对齐到 1e-8 以内。 说明白一点：两条实现共用同一套抽样与数值规范（同一 PRNG、同一 Gram–Schmidt 秩容差）， 所以它抓的是公式与索引错误，不是数值库之间的差异。