长度

长度 (Length)

长度是一维空间中点与点之间距离的度量，也是国际单位制 (SI) 中七个基本物理量之一，基本单位为米 (meter)。在测量理论中，长度属于比率尺度——具有真实的零点和等距单位，是斯坦利·史密斯·史蒂文斯 (Stanley Smith Stevens) 测量尺度层级中信息含量最丰富的尺度类型。

测量理论中的长度

在史蒂文斯1946年的经典分类中，长度满足比率尺度的全部四个条件：

• 恒等性：可以判断两个长度是否相等（$L_1 = L_2$ 或 $L_1 \neq L_2$）。
• 有序性：可以比较长短（$L_1 > L_2$ 或 $L_2 > L_1$）。
• 等距性：长度差有明确含义，如 5m $-$ 3m $=$ 8m $-$ 6m，差值 2m 在测量量程内意义恒定。
• 等比性：存在绝对零点，因此 4m 确实是 2m 的两倍。这一属性将比率尺度与等距尺度区分开来。

因为长度是比率尺度，所有算术运算（加减乘除）和统计运算（均值、标准差、几何平均数、变异系数）均合法适用。比率尺度允许的变换仅为乘以正常数（如单位换算：米转英尺乘以 3.28084），该变换保持比值不变——这是比率尺度区别于其他尺度的核心不变性。

向量空间中的长度

在线性代数和计量经济学中，长度概念被推广为范数。n 维欧几里得空间中向量 $\mathbf{x} = (x_1, x_2, \ldots, x_n)$ 的长度由欧几里得范数（$L^2$ 范数）定义：

更一般地，$L^p$ 范数族定义为 $\|\mathbf{x}\|_p = (\sum |x_i|^p)^{1/p}$，其中 $L^2$ 范数因其与内积的对应关系以及最小二乘法中的核心地位而在经济学和统计学中使用最为广泛。岭回归中的惩罚项即依赖于系数向量的 $L^2$ 范数平方，而LASSO则使用 $L^1$ 范数诱导稀疏解。

统计学中的长度概念

在统计推断中，"长度"以多种形式出现：

• 置信区间长度：$[\hat{\theta} - z_{\alpha/2} \cdot SE, \hat{\theta} + z_{\alpha/2} \cdot SE]$ 的区间长度为 $2 z_{\alpha/2} \cdot SE$，是估计精度的直观度量——区间越短，估计越精确。区间长度由样本量 $n$（以 $\sqrt{n}$ 速率收缩）、置信水平和总体方差共同决定。
• 检验功效与区间长度：更短的置信区间对应更高的检验功效，在样本量规划中，研究者通常设定期望的区间长度（或边际误差）来反推所需样本量。
• 时间序列长度 ($T$)：在时间序列分析中，样本长度 $T$ 决定了估计量的渐近性质是否成立。单位根检验、协整检验的临界值均依赖于 $T$，短时间序列下检验功效急剧下降。

经济学中的应用

• 合同期限 (Contract Length)：在契约理论和劳动经济学中，合同长度是激励设计的关键变量——更长的合同降低谈判频率但增加适应成本。
• 生产周期：从原材料投入到产成品的时间跨度，在奥地利学派的生产结构理论中，生产周期的"延长"被视为资本深化的核心特征。
• 距离与贸易：在国际贸易的引力模型中，地理距离（长度）是双边贸易流的核心负向预测变量，距离弹性通常在 $-0.7$ 到 $-1.5$ 之间。

小结

长度作为比率尺度的原型，从一维物理度量到高维向量范数再到统计推断的精度指标，其核心不变性——比值在合理变换下保持不变——贯穿始终。理解长度的尺度属性是避免统计方法误用的基础性前提。