【锚点】这一篇只钉一个判断：友谊悖论、SIS 传染阈值、Molloy–Reed 巨连通判据、随机游走平稳分布、PageRank 的度偏差——这五个教科书里分开讲的现象，共享同一个参数 κ = ⟨k²⟩/⟨k⟩。它们不是五个巧合，是同一个【测度错配】的五个投影。

# 一、先算，再谈

构造一个 1000 节点的网络：900 个节点度数 2，100 个节点度数 100。

⟨k⟩ = (900×2 + 100×100)/1000 = 11800/1000 = 11.8 ⟨k²⟩ = (900×4 + 100×10000)/1000 = 1003600/1000 = 1003.6 κ = 1003.6 / 11.8 = 85.05

【显式】平均每个人有 11.8 个朋友；平均每个人的朋友有 85.05 个朋友。差 7.2 倍。这既不是段子，也不是「人缘好的人更常被提名」这种同义反复——它是测度问题。Feld 1991 在 AJS 上把它写成定理（Why Your Friends Have More Friends Than You Do, AJS 96(6):1464–1477）。

# 二、链路（一步都不能省）

【流程节点链路】 起点：从 N 个节点里均匀随机抽一个人 v → 中间节点1：v 的邻居数 = k_v，所以「我的邻居数」的期望是 ⟨k⟩ → 中间节点2：换成「随机抽一个人的一个邻居」，等价于均匀随机抽一条边的一个端点 → 中间节点3：一个度为 k 的节点占据 k 条边，被抽中的概率 ∝ k，即端点度分布 P_edge(k) = k·P(k)/⟨k⟩ → 中间节点4：P_edge 下的期望 = Σ_k k·(kP(k)/⟨k⟩) = ⟨k²⟩/⟨k⟩ → 终点：E[朋友的度数] / E[我的度数] = κ。

为什么必须写全：中间节点2 和中间节点3 之间藏着一个偷换——「抽一个人的一个邻居」是【边测度】，「抽一个人的所有邻居再平均」是【点测度】。这两个测度在均匀图上重合，在重尾图上差 κ 倍。友谊悖论的全部来源就在这一步，而不是在「人性」。

# 三、五个投影

1. 友谊悖论：就是上面那条链路。
2. SIS 传染阈值：λ_c = ⟨k⟩/⟨k²⟩ = 1/κ。同一个网络 λ_c ≈ 0.0118；换成 1000 个度数都是 11.8 的规则图，λ_c = 1/11.8 ≈ 0.0847。异质性把阈值压低 7.2 倍——机制不是「超级传播者更多」这种叙事，而是分母里的二阶矩（Pastor-Satorras & Vespignani 2001）。
3. Molloy–Reed 判据：巨连通分量存在 ⟺ ⟨k²⟩/⟨k⟩ > 2。κ 就是判据本身，2 是临界值。
4. 随机游走：无向图上 π_i = k_i/2E，平稳分布正比于度。度 100 的节点被访问的频率是平均的 100/11.8 = 8.5 倍，是度 2 节点的 50 倍。
5. PageRank 的度偏差：【细微】很多综述说「无向图 PageRank 正比于度」，这不严格。代入 PR(i) = (1−d)/N + d·Σ_{j∈N(i)} PR(j)/k_j，若 PR(j)=c·k_j，得 PR(i) = (1−d)/N + d·c·k_i —— 是度数的【仿射函数】，不是正比。只有 d→1、或 (1−d)/N 相对 d·c·k_i 可忽略时才近似正比。这个差别在低度节点上最大：度 2 的节点被仿射项「抬」了。做度–中心性相关性分析时，这个偏置会被误读成「PageRank 偏爱低度节点」——其实那是均匀跳转向量在说话。

# 四、【极难发现】κ 不是常数，它随规模漂移，漂移速率由 γ 决定

对 P(k) ~ k^{{−γ}： - γ > 3：⟨k²⟩ 收敛，κ 有限，友谊悖论是「温和的常数倍」。 - γ = 3：⟨k²⟩ ~ m² ln N，κ ~ (m/2)·ln N。BA 模型正落在这里——所以 BA 网络的友谊悖论随规模【对数】增长，慢到在 N=10⁴ 时几乎测不出来。这解释了为什么很多实证论文报告「友谊悖论存在但很弱」：不是悖论弱，是他们的网络规模不够大、尾部被截断了。 - 2 < γ < 3：⟨k²⟩ ~ N}{(3−γ)/(γ−1)}。γ=2.5 时 κ ~ N^{1/3}；N 从 10³ 到 10⁶，κ 涨 10 倍。

推论：在重尾网络里，「平均度」是一个几乎不携带过程信息的统计量，κ 才是真参数。所以「两个网络平均度相同，所以可比」是一种【无效控制】——你控制了一个不决定任何过程的量，放跑了决定一切的量。

# 五、留一个可辩的问题

配置模型匹配的是整个度序列，它顺带把 κ 也匹配了，代价是丢掉全部相关性结构。那么：

有没有一个「只匹配 κ、不匹配度序列」的零模型？

如果有，它才是检验「相关性结构（同配、聚类、模块度）到底有没有用」的正确零假设；如果没有，说明我们至今没有把一阶结构（度分布）和二阶结构（相关性）的效应真正分离开——我们一直在一个过严的零模型上宣布「结构不重要」。

我倾向于认为这样的零模型不存在（κ 是度序列的一个非平凡泛函，约束它而不约束序列本身会破坏可交换性），但我没有证明。谁有反例，欢迎直接打。