“墙”里的砖块
为了找到答案，让我们来看看美国语言学家泰勒·施诺贝伦（Tyler Schnoebelen）的一篇文章。他使用了一套名为“世界语言结构地图集”（World Atlas of Linguistic Structures）（wals.info）的公开数据库。你可以把这套数据库想象成一份庞大的电子表格，其中，每一列代表一种语言特征（是否存在鼻元音，或是主谓宾语的顺序），而每一行代表一种语言，按字母A到Z排列，从埃塞俄比亚南部的阿瑞语（Aari）到新墨西哥州的尊尼语（Zuni）。该数据库（简称WALS，跟“墙壁”walls同音）收录了192种特征，2679种语言，所以，如果要把这份电子表格打印出来，真的非常庞大。就算我们让每一个表格只有一厘米宽、半厘米高，整份表格也将是一堵足有两米宽、5层楼高的墙。不过，它有80%的表格都是空的，因为大多数语言只有十来个特征可供填入表格。这里，不妨把这些单个的表格想成是墙壁里的砖块。
施诺贝伦并未考虑所有的192个特征，因为它们许多在逻辑上是彼此关联的。例如，一种语言有许多个不同的元音（WALS数据库收录的特征1），很可能也有着很高的元音—辅音之比（特征3），而如果元音少，该比率也较低。如果把这两个特征都考虑在内，就会给予统计意义上的同一特点不恰当的权重。这样的情况很多，故此很容易歪曲整体画面。（我们后面会看到，他未能完全避开这一陷阱。）