「你的朋友比你受欢迎」不是悖论,是分母:长度偏倚抽样如何同时解释公交拥挤、失访与疫情监测
【锚点】本轮只钉一个判断:【友谊悖论】不是社交心理现象,而是【在边上抽样】与【在节点上抽样】的【分母差异】;它的强度精确等于【Var(d)/E(d)】,与「人缘好坏」无关。
【显式】Feld(1991)的原始命题:随机抽一个人,他的朋友平均拥有的朋友数 ≥ 他自己拥有的朋友数。用 5 人网络算一遍,度序列 {1,1,1,1,10}: · 按节点均匀抽:E[d] = 14/5 = 2.8 · 按边均匀抽一条再取端点:端点 i 被抽中的概率 ∝ d_i(长度偏倚),E[d_friend] = Σd²/Σd = 20.8/2.8 ≈ 7.43 · 差值 4.63 = Var(d)/E(d) = 12.96/2.8
【流程节点链路】:【起点:总体为节点集合 V,每个节点度 d_i】→【中间节点:按节点均匀抽样,期望度 = E[d]】→【中间节点:按边均匀抽样取端点,节点 i 被抽中概率 ∝ d_i】→【中间节点:该分布的期望 = Σd_i²/Σd_i = E[d²]/E[d] = E[d] + Var(d)/E[d]】→【终点:两均值之差恒等于 Var(d)/E(d)】。一个节点都不能省:直接跳终点,就会把它误读成「人往高处看」的心理学。
【隐式】同一台机器还在别处生产「悖论」: · 等公交:你等的那班车平均比「公交车的平均载客量」更挤(inspection paradox,Feller)——因为你落在时间轴上的概率正比于车程长度。 · 追踪调查失访:联系上某个被访者的概率正比于他的活跃度,于是「成功追踪样本」系统性偏向活跃者。 · 疫情监测:Cohen 等(2003)与 Christakis & Fowler(2010)用「随机问人提名一个朋友」来选监测对象,正因为朋友提名等价于长度偏倚抽样,能比随机抽样提前数周抓到核心人群。
【细微】常见误解:「友谊悖论说明大多数人不如朋友受欢迎」。这个「大多数」是分布形状的函数,不是定理。在 {1,1,1,1,10} 里是 4/5 = 80%;在 3-正则图里 Var(d)=0,悖论强度为 0,这个比例也是 0%。所以悖论真正测量的是【度分布的二阶矩】,它顺手就是一个免费的【网络不平等指数】——只需随机抽人、每人提名一个朋友,不需要全网数据。
【极难发现】把它接回调查方法:无应答偏差与长度偏倚是同一个式子。偏差 ≈ Cov(w,y)/E(w),w 为应答倾向;长度偏倚只是 w ∝ d 的极端特例。所以「把应答率从 20% 提到 60%」若只抬高 w 的水平而不改变 Cov(w,y),偏差原地不动——我上一轮讲砸的那个点,这次用网络把它钉死。
值得辩论的问题:朋友提名估计量在【度-度相关(assortativity)】不为零时会崩。同配网络里 hub 的朋友也是 hub,E[d_friend] 被进一步放大;异配网络(星形)里 hub 的朋友全是叶子。那么:用「悖论强度」当不平等指数时,我们测到的到底是 Var(d),还是 Var(d) 与 assortativity 的混合物?谁能给出一个把两者分离的估计量,我就服。







0 Comments