亭林轨迹 · 第 1 章

数据集编年问题:诗集 5 时段切分与日知录无编年

第 0 章交代了顾炎武案例的特殊性:数据缺乏完整编年。本章详述这条限制,说明本书采取的诚实折中路径,并交代读后续 ITS 结果时应当带的统计 caveat。

三块数据的编年特性

表 1·1 顾炎武主集三块数据的规模与编年情况

数据块字数切分单位编年情况
日知录506,801878 个条目无编年(30 年累积札记,单条无年份)
亭林文集约 130,000613 个篇目(6 卷)按文体不按时序(论 / 序 / 书 / 杂著)
亭林诗集约 100,000329 首诗(5 卷)按时序编卷,卷次对应大致年段

三块数据中只有《亭林诗集》提供时序信号。这条限制让本书的 ITS 分析对象只能是诗集 329 首,日知录与文集只能进入第 4 章跨体裁画像与第 5 章主题分布,不能进入第 2 章 ITS。

诗集 5 时段切分的依据

亭林诗集 5 卷按时序编排是清代以来公认的共识。张穆《顾亭林年谱》、钱穆《顾亭林学术编年》、潘耒《亭林先生神道表》都遵循这条共识。但具体每卷对应哪几年在不同年谱里略有差异。本书采用以下中位年估算(基于卷内代表诗的事件锚定)。

表 1·2 诗集 5 时段中位年估算与代表诗

时段年份范围中位年代表诗及事件锚
P1 易代初期(卷一 55 首)1644–16501647大行哀诗(1644 崇祯崩);表哀诗(1645 母卒)
P2 江南游历(卷二 58 首)1651–16591655恭谒孝陵(1653);流转(江南改名换姓)
P3 山东游历(卷三 62 首)1660–16661663莱州(1660 抵山东);登岱(1662 登泰山)
P4 山西游历(卷四 74 首)1667–16741670霍山(1667 至太原);五台山(1670 结交傅山)
P5 晚年至卒(卷五 80 首)1675–16821678广昌道中(1675 定居陕西);兄子洪善北来(1680)

每个时段中位年是该卷代表诗事件年份的均值,实际诗的写作时间在 ±3\pm 3 年范围内。这条中位年估算有两个用途。其一,把每首诗赋予该卷中位年作为近似年份,让所有诗能进入按年聚合的 ITS 框架。其二,把 5 时段间的过渡(1647→1655→1663→1670→1678)作为散度计算的时间锚点,见第 2 章。

5 时段 ITS 的统计局限

核心局限:仅 5 个数据点。ITS 模型有 4 个参数(截距、pre 趋势斜率、level shift、slope change),在 5 个数据点上自由度仅 5−4=15 - 4 = 1,标准误估计极不稳定。任何单一 tt 值都应当谨慎解读,特别是 ∣t∣>5|t| > 5 的极强信号往往是小样本噪声而不是真实效应。

后续章节会用三方法互校。

第一,ITS(第 2 章)给点估计,重点看 β\beta 符号与量级,不看 tt 值精度。

第二,5 时段散度(第 2 章 + 第 3 章)给非参数化的话语变化幅度,不依赖 ITS 假设。

第三,跨作者散度(第 3 章)把顾炎武 5 时段与王夫之 + 黄宗羲合集对照,看顾炎武在三遗民共有话语之上的剩余特性。

无编年数据的两个分析方向

日知录 506K 字 + 文集 130K 字加起来比诗集 100K 字大 6 倍,完全放弃太可惜。本书把这两块数据用在两个非时序分析方向。

方向一:跨文体画像(第 4 章)。日知录是札记体,文集是论说书启体,诗集是抒情体。三体裁在 8 维人格与 9 主题上的均值差异本身就是顾炎武在三种社交语境下的人格切片,不需要时序数据。

方向二:9 主题画像(第 5 章)。顾炎武 9 主题(经学、史学、易代、故国、制度、兵事、风俗、学术、隐遁)在日知录与文集中的密度分布反映他一生学术关切的轮廓,不需要逐时段时序。

这两个方向把日知录与文集的数据价值充分利用,弥补诗集 ITS 数据量小的不足。

本章知识地图

表 1·3 第 1 章核心概念与常见误解

核心概念核心内容常见误解为什么错
日知录无编年30 年累积札记单条无年以为可以系年顾炎武自己说时复改定,累积修订
诗集 5 卷时序5 时段中位年 1647–1678以为卷次随机清代年谱共识按时序编卷
5 时段 ITS 局限仅 5 数据点,自由度低以为 t>5t > 5 就显著小样本下 tt 值虚高常见
日知录文集非时序用于跨体裁 + 主题画像以为应当放弃占总字数 80%,不能浪费
诚实折中跑 ITS 但带 caveat以为应当全放弃 ITS需与三案例可比,不可放弃