一张 SIM 卡背后，可能不止一个人
论文名片｜Amy Wesolowski、Nathan Eagle、Abdisalan M. Noor、Robert W. Snow、Caroline O. Buckee，Heterogeneous Mobile Phone Ownership and Usage Patterns in Kenya，PLoS ONE 7(4)：e35319（2012）。论文与补充材料。
如果一部手机由一家人轮流使用，通信记录里的同一个设备标识还能代表同一个人吗？如果某个村里很多人借用少数人的手机，设备少是不是就意味着那里的人很少移动、很少需要服务？
这篇论文没有直接预测轨迹，而是检查手机数据研究的前提：哪些人有手机，哪些人只借用，哪些人根本不用。依据肯尼亚 2009 年调查，它揭示了拥有与使用之间的差别，也提醒我们，手机普及不能自动让通信样本成为人口的等比例缩影。
先说结论
- 论文报告约 85% 的调查个体使用手机，但约 44% 自己拥有手机，约 41% 依赖共用，约 15% 完全不用。
- 手机拥有者、共用者和非使用者的性别、教育与经济条件不同；农村贫困女性尤其容易在拥有者样本中代表不足。
- 县之间的差异很大：Marsabit 调查样本中拥有率约 9%，内罗毕约 84%。一个全国平均率会掩盖这些空间差异。
- 共用与拥有的关系并非始终反向：在拥有率极低的县，两者可能一起增加。这是横截面的地区比较，不能直接当作每个社区已经经历的扩散轨迹。
调查问的是人，不是直接统计通信记录
研究使用 Financial Sector Deepening Kenya 的 2009 年金融调查，论文报告覆盖 646 个社区、32,748 名个体资料。抽样依次涉及社区、家庭与个人；方法说明用 Kish 网格选择 16 岁及以上受访者，16 岁以下没有被问卷直接询问。
问卷包含手机拥有、使用、话费、教育、识字和经济条件，再把个人结果按县汇总，与 2009 年普查的人口密度、城市化和贫困指标比较。它测得的是当时的自报拥有与使用，不能直接提供现在肯尼亚的普及率，也不能验证每次通话实际由谁操作。
还需区分整篇报告的资料总量与各分组分析：补充 Table S2 列出的不同县分组，其问卷合计并不都与 32,748 一一对应。文中没有充分交代这些差额，因而不能把每幅分组图都按相同总人数反推。
图 1｜使用手机的人，有多少真正拥有自己的设备？（A）县级人口密度作为底图，调查点大小表示问卷数量、颜色表示当地拥有率；（B）总体约 44% 拥有、41% 共用、15% 不使用，共用者中约 57% 借用朋友或亲属设备、39% 借用同住家庭成员设备、4% 通过代理人。这里共用来源的百分比以共用者为分母。来源：原论文 Fig. 1。
一个家庭成员愿意借出手机，会提高其他人接触通信服务的机会，却不会在数据中新增一套独立设备轨迹。因此，85% 的使用率不能理解为同样比例的人拥有可单独识别的长期记录；一人一机的假定需要另行验证。
拥有者和没有手机的人，差在哪里？
完全不使用手机的群体中，女性约占 81%，约 40% 没有受教育经历，约 62% 被归为实际不识字。共用者中女性约占 65%，约 60% 是户主的配偶。这些是各组内部的构成，不能误写成“81% 的所有女性都不用手机”。
图 2｜拥有差异是否只出现在某个收入组？按面板实际横轴，（A）年龄组；（B）教育水平；（C）最低月度需求金额分组，红色为拥有者、黄色为非拥有者，纵轴为人数。原图英文图注把面板与变量的对应写错，此处依据横轴说明。教育从无教育到大学编码为 0—6；原图是人数，比较拥有比例需要以每组总人数为分母。来源：原论文 Fig. 2。
论文把一个经济变量简称为收入，但 Table 1 的定义是自报满足每月基本需要的最低金额，单位为千肯尼亚先令。它不是经过工资记录核验的实际收入，也不应与家庭资产或消费能力直接等同。按正文，最低金额组仍有约 20% 拥有手机，说明覆盖不足不等于整个组完全没有设备。
正文报告，拥有者与共用者平均话费占该经济量的比例约为 13% 和 10%；经济水平较低者的相对负担更高。不过这是自报问卷中的关联，不能据此说明购买手机造成贫困，或手机已经提高了收入。
回归能否把相关因素分开？
原论文 Table 1 定义年龄、性别、教育、识字和经济变量，Table 2 列出它们与拥有状态的简单相关。教育和识字的相关系数分别为 0.479、0.389，高于经济变量的 0.179；性别编码为女性 1、男性 2，相关为 0.105。
补充 Table S3 显示，教育与识字之间的相关为 0.638，因此同时放入模型会改变各自的条件系数。论文进一步控制县别并报告多变量结果（Table 3），还在补充 Table S4 中分别去掉教育或识字。
这些结果应谨慎解释：方法文字同时出现 logistic 回归与普通最小二乘估计的说法，Table 3 的教育系数方向又与简单相关及补表部分结果不一致。没有原始代码与完整编码核对，不能据某一系数断言教育增加会降低手机拥有，也不能把变量重要性解读为教育或收入的因果效应。
比较稳固的发现来自多个描述层次的一致信息：拥有者并不是从所有人口中等概率抽取的样本，教育、识字、性别与地域分布都存在选择性。
同样的经济条件，在不同地方意味着同样覆盖吗？
县级人口密度、城市化和贫困本身就相互关联。论文报告，手机拥有率与人口密度的拟合 R² 为 0.35，与城市人口比例的 R² 为 0.51；与贫困率的相关系数为 −0.567。它们描述不同的统计量，不能都写成相关系数，也不代表其中某项因素已被单独识别。
图 3｜空间上的拥有差异与哪些背景共同出现？（A）横轴为贫困率，纵轴为人口密度；（B）横轴仍为贫困率，纵轴为手机拥有率。两图每个圆代表一个县，圆大小为县人口，颜色为城市人口比例。较贫困、较少城市人口的县通常拥有率较低，但这不是县级因果实验。来源：原论文 Fig. 3。
Marsabit 约 9% 与内罗毕约 84% 的拥有率，说明同一数据源对不同地区居民的覆盖差距可能非常大。论文还给出城乡均值，但其区间与部分均值不相容，例如城市均值 58% 却附上 65%—80% 的范围；这里不把这些未对齐数值当作精确比较依据。
图 4｜城乡经济组的拥有差异，能否仅从人数柱判断？（A）城市县；（B）农村县，按城市人口是否达到约一半分组。横轴为原问卷经济金额组，纵轴为拥有者与非拥有者人数。城市高金额组的红色占比通常较高；柱子总高同时受该组样本人数影响。来源：原论文 Fig. 4。
补图 S1 将各金额组归一化后，更清楚地显示城乡趋势不同：城市拥有比例随金额上升较明显，农村中间金额组的关系较平坦，并非同样直线增长。补充 Table S5—S7 还分别列出按密度、城市化和贫困分组的背景构成，内罗毕单独保留，不能把这些县均值直接替代个体关系。
为什么拥有手机更多，共用反而可能一起增加？
图 5｜增加设备，是否总会减少共用？（A）横轴为拥有比例，纵轴为共用比例，颜色为城市人口比例，圆大小为完全不使用手机者的比例；框内低拥有地区与其余地区呈现不同关系。（B）标出拥有率与共用率均低于 30% 的县，多位于北部和东部。两面板保持完整，地图颜色继续表示城市化程度。来源：原论文 Fig. 5。
在大多数县，拥有率越高，共用比例越低；但在拥有率非常低的地区，两者反而一起增加。作者解释为：最初新增的少数设备可能让更多邻居和亲友借用，等拥有逐渐普及，新增设备才开始减少共用需求。
这是一种与地区横截面关系相符的扩散解释。调查没有逐年追踪同一个社区，因此不能由图 5 直接测出一个全国通用的转折阈值，或断定每个地区都会沿同一路径发展。
对手机轨迹和移动服务，这意味着什么？
对移动性研究，覆盖不足与多人共用是两类问题。前者让部分人较少进入样本，后者让同一个设备标识可能混合多人的活动。即使按人口总量放大设备数，也不一定能修正两种偏差，尤其不能自动把混合轨迹重新拆回真实个体。
对通过手机接触公众的服务，有号码或偶尔借到手机，也不保证本人能及时、独立地收到并理解内容。论文据此讨论文字信息的识字门槛，以及偏远地区、农村女性的覆盖问题；这些是对服务可达性的提醒，本文没有用干预试验证明某一种服务方案更有效。
有些设备存在于每个已调查的经济与人口组，意味着偏差可能有校正空间。但“组内有人拥有”并不意味着这个组已经被充分代表，更不代表通信数据覆盖了同组所有人的行为差异。
一句话总结
手机数据连接了很多人，但谁拥有、谁借用、谁完全不用，决定了设备记录能代表哪些人，也决定了哪些人仍容易被遗漏。
核心来源
Amy Wesolowski, Nathan Eagle, Abdisalan M. Noor, Robert W. Snow, Caroline O. Buckee. Heterogeneous Mobile Phone Ownership and Usage Patterns in Kenya. PLoS ONE 7(4): e35319, 2012，2012 年 4 月 25 日发表。正文、Fig. 1—5 及全部补充材料，DOI。本文依据原论文及补图 S1、补表 S1—S7，讨论的是 2009 年调查情境。
作者介绍
- Amy Wesolowski：论文署名为卡内基梅隆大学工程与公共政策系，参与设计、分析及写作。
- Nathan Eagle：署名为哈佛公共卫生学院流行病学系，参与研究设计。
- Abdisalan M. Noor：署名为肯尼亚 KEMRI–Wellcome Trust–牛津大学合作项目的疟疾公共卫生与流行病学组，以及牛津大学热带医学中心。
- Robert W. Snow：署名为牛津大学热带医学中心，参与设计及写作。
- Caroline O. Buckee：署名为哈佛公共卫生学院流行病学系及传染病动力学中心，为通讯作者，参与设计、分析及写作。
延伸思考
以下是 AI 基于论文结果所作的延伸，不属于原论文结论。
一种更有针对性的校正研究，可以把设备覆盖率和共用率同时纳入抽样，而不是只用人口／设备的倍率。对共用比例高的地区，还需要调查设备一天中由谁携带、是否跨家庭流转，才能判断设备轨迹更像个人移动还是家庭资源的移动。
服务覆盖也可以分为几道门槛：是否能接触设备、是否由本人接收、是否能够阅读、是否方便回复。把每一道门槛按性别和城乡分别统计，会比一个总体使用率更能发现哪些公众仍被现有渠道遗漏。
