林迪效应是指:对于某些类型的事物,存续时间越长,预计剩余寿命也越长。这一观点通常用于书籍、思想、技术和制度,而非生物个体或会因物理磨损而损坏的物件。在一种较强的数学表述中,预期剩余寿命与当前年龄成正比。林迪效应并非普遍定律:它既是一种启发式预测原则,也是某些特定寿命模型的性质,而这些模型是否适用,需要证据支持。
起源与发展
这一名称源自纽约的林迪餐厅(Lindy’s),演艺界人士常在那里交流。阿尔伯特·戈德曼在1964年的文章《林迪定律》中,讨论了一个关于喜剧演员电视曝光度与职业生涯长度的命题。这一最初出自演艺界的表述,与现代所说的“剩余寿命随年龄增长而增加”并不相同。
随后,伯努瓦·曼德尔布罗将寿命预测与重尾统计模型联系起来。纳西姆·尼古拉斯·塔勒布则推广了现代解释,尤其是在《反脆弱》(2012年)中,将其用于文本、惯例和技术等非易逝事物的延续。
这里的“非易逝”并不意味着不可摧毁,也不意味着必然永远存续。它所区分的是可复制的思想、做法或设计,与会逐渐损坏的某个具体实物。一部书的文本可以通过不断再版而持续流传,即使某一本实体书已经腐朽。
数学表述
设 为表示总寿命的非负随机变量。其生存函数为
对于已经存续到年龄 的事物,它至少再存续 个时间单位的条件概率为
前提是 。
以均值为基础的表述,其核心量是平均剩余寿命:
这是一个条件期望,而不是预测的总寿命。当它为有限值时,可以写成
强形式的林迪性质为
其中 。因此,预期剩余寿命随年龄成正比增长。在已经达到年龄 的条件下,预期总寿命则为
常见的“剩余寿命等于当前年龄”这一说法,只是 时的特例,并非每个林迪模型都必须具备的特征。
一种较弱的解释仅要求剩余寿命随年龄增长而增加。这既不一定意味着严格成正比,也不一定意味着服从某种特定的概率分布。
幂律生存
能够产生上述强性质的一个标准模型是帕累托分布。假设在最小寿命 以上,
其中 。这是一个幂律生存函数。
条件生存概率变为
因此,将剩余寿命表示为当前年龄的比例后,其分布与年龄无关:
这种尺度不变性解释了为何预测结果呈比例关系。在该模型下,存续时间较长的事物与存续时间较短的事物,其剩余寿命占当前年龄的比例具有相同的分布;但若以年数衡量,前者的剩余寿命更长。
均值与分位数
当 时,剩余寿命的期望值有限:
因此:
- 当 时,预期剩余寿命等于当前年龄。
- 当 时,预期剩余寿命短于当前年龄,但仍随年龄成正比增长。
- 当 时,预期剩余寿命长于当前年龄。
- 当 时,预期剩余寿命为无穷大。
期望值为无穷大,并不意味着任何特定事物会永远存续。在这一模型中,总寿命以概率一为有限值;只是那些极其罕见、却极为漫长的寿命使均值发散。
即使均值为无穷大,分位数仍然可用。例如,剩余寿命的中位数为
因此,凡是谈论“预测寿命”,都必须区分所指的是均值、中位数,还是其他预测分位数。
失效率与可能的机制
在生存分析中,瞬时失效率由风险函数描述。对于可微的生存函数,
对于帕累托生存函数,
单位时间内的条件失效风险随年龄增长而下降。这并不意味着累计生存概率上升: 仍在下降。它的含义是,在已经存续到更高年龄的事物中,即时失效风险更低。
相比之下,速率为 的指数分布具有恒定的风险率,且
其剩余寿命分布与年龄无关,因此不具备强形式的林迪性质。
不同失效率之间的筛选
即使单个事物并未随年龄增长而变得更耐久,也可能出现表面上的林迪效应。假设每个事物都有固定的指数失效率 ,但不同事物的失效率各不相同。失效率高的事物往往较早消失,使年龄较大的存续群体中,低失效率事物所占的比例越来越高。
例如,如果 服从形状参数为 、速率参数为 的伽马分布,则总体生存函数为
当 时,
这表明年龄与预期剩余寿命之间是仿射关系,而非严格的正比关系。当年龄相对于 足够大时,这一关系趋近于正比。
这一机制是存续过程中的筛选,而不一定是年龄增长带来的强化。在贝叶斯推断中,观察到持续存续,同样可以使人们更新判断,认为其潜在失效率更低。
应用
林迪效应被用作多个领域中的非正式预测原则:
- 文化延续。 流传已久的文学作品、哲学文本和艺术传统,可能已经拥有稳定的受众和相关机构,支持其继续传承。
- 技术与标准。 经历环境变迁仍然存续的设计、工具和协议,可能在兼容性、维护或机构支持方面具有优势。
- 制度与惯例。 长期存续可以为其在以往条件下的持续性提供证据,但政治、法律或经济变化可能改变其未来的存续前景。
这些只是提出的应用方向,并不能证明相关寿命服从帕累托分布。持续使用可能依赖复制、采用规模的累积、法律保护或有组织的保存等机制。
所追踪的对象也很重要。技术原理、产品类别、公司和某件具体制成品,对“存续”的定义各不相同。即使最初体现某一原理的所有产品都已消失,这一原理仍可能延续。
局限与实证评估
存续不等于质量,也不能确立因果关系
年龄或许可以预测持续存续,却不能证明某事物真实、高效、有用或具有道德价值。这一推断关注的是持续时间,而非价值优劣。
年龄与未来存续之间存在关联,也不能确立因果关系。存续较久的事物,可能在资源、机构支持或内在耐久性方面与较新的事物不同。即使个体失效率从未改变,上述筛选机制也能使总体失效率下降。
幸存者偏差与观测
当人们把可见的存续者视为所有曾经存在过的事物的代表时,就会产生幸存者偏差。例如,只研究人们熟知的古老书籍,就会遗漏那些很快消失、已被遗忘的作品。要估计寿命模式,既需要存续者的信息,也需要已经失效者的信息。
尚未结束的寿命还会产生右删失观测:其最终结束日期仍然未知。仅限于现存事物的样本,还可能使长寿事物在样本中占比过高。在对总体寿命分布作出结论之前,必须考虑这些抽样特征。
条件变化
只有在相关条件持续存在,或得到恰当建模的情况下,过去的存续才具有参考价值。监管变化、技术替代、灾难或支持机构的消失,都可能改变失效风险。在一组条件下观察到的关系,在另一组条件下未必会延续。
模型不确定性
仅有重尾特征,并不足以确立严格的林迪比例关系。其他分布也能产生随年龄增长而增加的剩余寿命,而不具备幂律生存特征;在有限范围内看似成立的幂律,也可能在更长时段失效。可能寿命的上限同样会显著改变预测结果。
因此,实证评估需要明确定义何为失效、确定用于比较的总体、处理删失观测,并与其他模型进行比较。尾部参数的估计尤其重要,因为它决定了预测的平均剩余寿命究竟是否有限。