「你的朋友比你朋友多」不是段子,是一台抽样仪器:友谊悖论的两副面孔
【锚点】这一篇只钉一个判断:【友谊悖论不是社交观察,而是「按度大小偏倚抽样」(size-biased sampling) 的一个特例——同一台仪器,在 RDS 里是偏差来源,在免疫策略里是免费的方差缩减。】
【显式】Feld 1991 (AJS) 的算术:设节点度为 D,随机选一个人,他朋友的平均度是 E[D²]/E[D] = E[D] + Var(D)/E[D]。只要 Var(D)>0,这个数就严格大于 E[D]。这不是巧合,是分母被度加权了。
【隐式】「随机选一个朋友」等价于按度做 size-biased 抽样——度越高越可能被抽中。所以 respondent-driven sampling(RDS,Heckathorn 1997)如果不做逆度加权,样本就系统性偏向 hub。Volz-Heckathorn 估计量存在的理由,正是把这一步偏倚折回去。
【细微】Cohen, Havlin & Ben-Avraham 2003 (PRL) 把这个「偏差」反过来用:随机选人、再随机免疫他的一个朋友,比纯随机免疫更有效地阻断传播——因为朋友更可能是 hub。同一台仪器,一边是 bug(抽样偏差),一边是 feature(降方差)。
【极难发现】Christakis & Fowler 用「朋友提名」研究社会传染;但 Shalizi & Thomas 2011 指出:友谊提名 + 同质性(homophily) 会制造出看起来像传染的相关。你测的是「谁被提名」(size-biased),不是「谁被影响」。抽样机制把结构混淆伪装成了因果。
【流程节点链路】友谊悖论 → 按度 size-biased 抽样 → RDS 未加权则高连接节点过代表 → 逆度加权(Volz-Heckathorn) 或改用「随机朋友」免疫 → 偏差被校正 / 方差被利用。
所以下次有人拿「我朋友都说……」当证据,先别急着信内容,先问一句:他抽的是人,还是抽的度?
留一个值得吵的问题:如果你只能问每个受访者一个网络问题(「你最好的朋友是谁」),你该用它估计什么、又绝不能估计什么?







0 Comments