统计学与人口普查
【政和五年·汴京陈砚书房·陈砚】
案上摊着一份从开封府抄来的”户口版籍”残页——密密麻麻的户名、丁口、田亩，看得人眼花。陈砚逐行数过，眉头越皱越紧：城东一坊，版籍记”主户三百二十一家、客户一百零五家”，可他上月亲自走过那坊，光巷子里的住户就不止四百。丁口数更离谱——一户”五丁”，可那户明明是独居老叟。
旁边坐着的是他新结交的开封府户曹小吏李勉，苦笑道：”陈秀才有所不知，这版籍是十年前造的，十年间死生嫁娶，何曾改过？加上富户隐丁瞒田、贫户流徙无定，数字早就不对了。上司催缴税役，照这数摊派，摊到谁头上谁倒霉。”
陈砚放下残页，叹了口气。他心里清楚：一个连自己有多少人都数不清的朝廷，谈何理财、谈何备兵？可这话不能说出口。他只是问：”李兄，若有一法，能把户口田亩数得准、记得清、查得快，你愿不愿学？”
一、一句话价值
统计学是把”混乱的现实”变成”可决策的数据”的工具——人口、田亩、税基、灾情、物价、库存，没有精确统计，理财与治理都是盲人摸象。陈砚以统计法撬动户曹、商号、军需的决策能力，是技术与权力的结合点。
二、原理
1. 统计学的根本问题
统计学解决一个问题：如何从大量、杂乱、不完整的个体数据中，提炼出可靠的总体信息，供决策之用。
- 总体（population）：研究对象的全体，如全国人口、全州田亩。
- 个体（unit）：总体中的一个成员，如一户、一亩。
- 普查（census）：对总体每个个体逐一调查，得完整数据。成本高、周期长。
- 抽样（sampling）：只调查总体的一部分（样本），由样本推断总体。成本低、快，但有误差。
- 指标（indicator）：概括总体特征的数，如总人口、平均田亩、户均丁口。
2. 普查与抽样的取舍
普查精确但成本极高——全国性普查须动员数十万吏民、耗时数年。宋代户口版籍理论上每三年一造（”闰年图”），但实际多敷衍了事，十年不更新是常态。
抽样不精确但成本低——调查总体的十分之一，即可估算总体，误差可控。陈砚的增值：引入抽样法，以小样本快速估算大总体，供商号与地方决策。这是现代统计学的核心思想（19世纪末系统化，但雏形古已有之）。
3. 统计指标的设计
好的指标须满足：定义明确、可测、可比较、可累加。陈砚须把模糊的”户”“丁”“田”转化为可量化的指标：
- 户：一户指共同生活、共爨共食的单位。须区分主户（有田产、纳税户）与客户（无田、佃耕户）。
- 丁：成年男子（一般20—60岁），是税役基础。须区分成丁与未成丁、老丁。
- 田：以亩计，须分等（上中下田，因肥瘠与水旱不同）。
- 口：总人口，含男女老幼。
4. 误差的来源与控制
统计数据总有误差，须识别并控制：
- 覆盖误差：漏户漏口（流民、隐户、佃仆不入籍）。宋代最严重。
- 内容误差：丁口田亩填报不实（富户隐丁瞒田、贫户多报求恤）。
- 时间误差：数据过期（版籍十年未更新）。
- 处理误差：抄录、汇总、计算中的笔误。
陈砚的对策：(1) 抽样核对，以小样本验版籍；(2) 交叉验证，以税册、保甲册、徭役册互对；(3) 标注误差范围，不把估算当精确值。
5. 数据的汇总与呈现
原始数据（户、丁、田、口）须汇总为可读的形式：
- 分类汇总：按州县、按主客户、按户等、按田等分类统计。
- 频数分布：如”田亩分布：无田户若干、一至五亩户若干、五至十亩户若干……”。
- 平均与比例：户均丁口、客户占比、纳税田占总田比。
- 图表：以表格与简单图（条形、饼形）呈现，一目了然。
陈砚引入”统计表”与”统计图”概念——以阿拉伯数字列表，以简笔画图，便于决策者快速理解。这是把”账册”升级为”统计报表”。
三、北宋原料可行性
| 材料/条件 | 用途 | 北宋可得性 | 备注 |
|---|---|---|---|
| 户口版籍 | 基础数据 | 官府有藏 | 须通过户曹获取，数据旧 |
| 税册（两税版籍） | 田亩税基 | 官府有藏 | 与户口册交叉验证 |
| 保甲册 | 户口编制 | 官府有藏 | 保甲法后较新 |
| 纸笔墨 | 记录 | 充足 | |
| 阿拉伯数字 | 列表统计 | 已引入 | |
| 算盘 | 加总计算 | 充足 | |
| 现成行政体系 | 普查执行 | 县乡胥吏、保甲长 | 须借力官府或自行组织 |
结论：北宋具备统计的物质条件与行政基础（保甲体系是天然的统计网络），但数据质量差、吏治腐败是根本障碍。陈砚的增值在方法（抽样、交叉验证、统计表图）与诚实（标注误差）。
四、工艺流程
第一步：明确调查目的与指标
调查前先问：查什么、为何查、查到多细。
- 若为商号决策（如海货行情）：查各地物价、销量、库存。
- 若为地方理财（如田税）：查田亩、户等、主客户。
- 若为军需（如兵源）：查成丁数、保甲编制。
每类调查定一套指标，明确”户”“丁”“田”“口”的定义与口径，避免各填各的。
第二步：选择普查或抽样
普查：对全总体逐一调查。适用于小范围（一坊一乡）或官府强制力强的场合（借保甲体系）。
抽样：从总体中选一部分调查。适用于大范围或快速估算。陈砚的抽样法：
- 简单随机抽样：从版籍中随机抽取十分之一的户，逐一核对实际丁口田亩，以样本平均推断总体。
- 分层抽样：按主客户、按户等、按田等分层，每层各抽若干，更精确。
- 整群抽样：以保甲单位（一保十家）为群，抽若干群整群调查。
抽样法成本低、快，但须向决策者说明”这是估算，有误差”。
第三步：设计调查表
设计标准表格，统一字段：
| 字段 | 说明 |
|---|---|
| 户名 | 户主姓名 |
| 户等 | 主户/客户，上/中/下户 |
| 丁口 | 成丁男、未成丁男、女口、老口 |
| 田亩 | 上田/中田/下田各若干亩 |
| 杂项 | 牲畜、店铺、船 only等（视调查目的） |
以阿拉伯数字填数，便于汇总。表格一式两份，一份存档，一份上报。
第四步：组织调查
借保甲体系：保甲法（熙宁三年1070推行）编民户为保——五家一小保、五小保一大保（二十五家）、十大保一都保（二百五十家），设保长、大保长、都保正。这是现成的统计网络。陈砚可借保长逐户核对，省力。
培训调查人：保长识字有限，须培训其填表。陈砚编写《填表须知》，以简明示例教保长认表、填数。
交叉验证：调查结果与税册、徭役册、保甲册互对，不一致者复查。富户隐丁瞒田是顽疾，须以税册（纳多少税→推有多少田）反推。
第五步：汇总与统计
分类汇总：按州县、按主客户、按户等、按田等分类，用算盘加总各字段。
频数分布：列”田亩分布表”——0亩户若干、1—5亩户若干、5—10亩户若干……，看田亩集中度（兼并程度）。
平均与比例：户均丁口=总丁口÷总户数；客户占比=客户数÷总户数；纳税田比=纳税田÷总田。
误差标注：若为抽样，标注估算误差（如”约值±一成”）。
第六步：编制统计表与图
统计表：以阿拉伯数字列表，行列分明。如：
| 州县 | 主户 | 客户 | 总丁口 | 总田亩(顷) | 户均丁口 | 客户占比 |
|---|---|---|---|---|---|---|
| 开封府 | … | … | … | … | … | … |
| … |
统计图：以简笔画呈现——条形图（各州县户口比较）、饼形图（主客户占比）、折线图（历年变化）。这是把数字变为”一眼可见”的图，便于决策者快速理解。陈砚的统计图是宋代前所未有的——宋人只有文字与地图，无统计图概念。
第七步：分析与决策建议
统计本身不决策，须分析后提建议：
- 若客户占比过高（如过半），说明兼并严重，税基萎缩，须限兼并或改税制。
- 若户均丁口过低（如不足二丁），说明隐丁严重或流亡多，须核查。
- 若上田集中在少数户，须关注税负是否公平。
陈砚以统计为”诊断”，建议为”处方”，但处方（改革）涉政治，须谨慎——统计可以交，建议须包装为”参考”，不直接干政。
五、难点
难点一：数据的失真。 宋代版籍失真严重——隐丁瞒田、流民不入籍、胥吏贪墨篡改是顽疾。陈砚的方法（抽样核对、交叉验证）能减小但不能消除误差。他须诚实标注误差，不把估算当精确值。
难点二：吏治的阻力。 精确统计会暴露富户隐田、胥吏贪墨，触动利益。富户与胥吏必阻挠。陈砚须借官府权威（如户曹支持）或以”商情调查”避开敏感领域。涉田税的统计极敏感，陈砚初期宜避开，先做商情与人口估算。
难点三：抽样法的可信度。 抽样推断总体，宋人难以理解”为何查一部分就能推全部”。陈砚须以实例说服——如先在一坊做全普查，再以抽样估算同一坊，比对结果接近，证明抽样有效。
难点四：保甲体系的执行。 保甲长识字有限、能力参差，填表质量难保证。陈砚须培训+抽查，但人力有限。初期宜小范围试点，逐步推广。
难点五：政治风险。 精确人口与田亩统计是治国基础，也是变法依据（王安石方田均税法即基于清丈田亩）。陈砚若涉田税统计，等于介入新旧党争的核心。须极度谨慎——只做技术，不站队。
难点六：与官府统计的关系。 宋代户口统计由户部、州县户曹负责，民间私统有”刺探”之嫌。陈砚策略：(1) 以”商号市情调查”面目出现，只查物价销量，不查户口田税；(2) 若涉户口田税，须受官府委托或以”顾问”身份参与，不私查；(3) 成果交官府，不私藏。
六、价值评估
| 维度 | 评估 |
|---|---|
| 难度 | ★★★ 方法不难，但组织与数据质量是大挑战 |
| 立身价值 | ★★★★ 决策的基础设施，撬动户曹、商号、军需 |
| 变现速度 | 中 须试点验证，逐步推广 |
| 政治风险 | ★★★★ 涉田税户口即涉党争核心，极敏感 |
| 推荐优先级 | 商情统计优先；田税户口统计须借官府委托，谨慎 |
政治风险说明：田亩户口统计是方田均税、保甲、募役诸法的依据，涉新旧党争核心。陈砚若私查或建议，必被卷入党争。策略：(1) 早期只做商情统计（物价、销量、库存），不涉田税户口；(2) 中期若受官府委托，以”技术顾问”身份参与，只供数据不表态；(3) 成果交官府，不私藏不外传；(4) 绝不站新旧党任何一边。
七、升级路径
第一阶（1115前，商情统计）：为自家商号与合伙海商做市情统计——各地海货物价、销量、库存、季节波动。建立统计表图制度，以数据指导采销决策。验证统计法的实效。
第二阶（1115—1120，人口估算）：以抽样法估算各港口、各州县人口（供海贸布局参考），不涉田税。培训统计人手，建立抽样核对流程。
第三阶（1120后，受托官府）：若声誉建立，或受户曹/转运司委托，参与户口田亩核查。以技术顾问身份供数据，不涉党争。引入交叉验证与误差标注，提升官府数据质量。
终极形态：一套覆盖商情、人口、田税、军需的统计方法体系（抽样、交叉验证、统计表图、误差标注），配合培训人手与行政网络，构成陈砚”以数据决策”的能力。在靖康前夕的乱世，精确的人口与物资统计是备战的基础。
八、参考
- 《宋史·食货志·户口》：宋代户口统计制度。宋代户口分主户（有田纳税户）与客户（无田佃耕户）。版籍每三年一造（闰年图）。
- 王安石保甲法（熙宁三年1070）：编民户为保——五家一小保、五小保一大保、十大保一都保，设保长、大保长、都保正。此为宋代基层统计与治安网络。
- 王安石方田均税法（熙宁五年1072）：清丈田亩，按肥瘠分五等征税。此为宋代田亩统计的尝试，因阻力大未竟全功。
- 王安石募役法（免役法）：按户等收免役钱，须精确户等统计。
- 《续资治通鉴长编》：宋代户口、财政数据。
- 现代统计学：普查与抽样、总体与样本、指标设计、误差控制、频数分布、统计表图。19世纪末系统化，但抽样思想古已有之。
- 《宋会要辑稿·食货》：宋代户口版籍、税册的编报格式。
三日后，陈砚把一份”开封府城东一坊抽样核查报告”递给李勉。报告只有三页——一页统计表（抽样五十户的丁口田亩实数），一页与版籍的对照（版籍丁口比实数多三成、田亩少两成），一页统计图（条形图显示各户等田亩分布）。李勉看了半晌，抬头：”陈秀才，你这法子，比我们查三年还清楚。”陈砚摆手：”这是抽样五十户的估算，有误差，但比十年前的旧版籍接近实情。若要精确，须全坊普查。”李勉沉默片刻，把报告收进袖中——他知道这东西若被上司看见，是祸是福难料。陈砚也没多劝。他知道，统计这门手艺，眼下还只能在小处试刀。