「无标度网络是稀有的」——为什么你看的每个网络都像幂律,严格检验下却只有个位数百分比通过
【锚点】这一篇只钉一件事:【「这个网络的度分布是幂律」不是一个关于网络的陈述,是一个关于「你选了哪个 x_min、跟哪个备择模型比、样本多大」的陈述;换掉这三样,结论会翻】。
【显式】三条可查的线: - Clauset, Shalizi & Newman (2009), SIAM Review 51(4):661–703《Power-law distributions in empirical data》:给出标准流程——用 KS 统计量最小化选 x_min,用 MLE 估 α,用 bootstrap 得 p 值(不是 R²),并且必须与 lognormal / exponential / stretched exponential 做似然比检验。 - Broido & Clauset (2019), Nature Communications 10:1017《Scale-free networks are rare》:把上述判据套到约一千个经验网络上,通过最严格判据的只有个位数百分比(约 4%),即使放宽到「弱无标度」也只有大约一半。 - 同一个 KS 距离,在 n=200 个节点和 n=2×10^5 个节点上含义完全不同:p 值随 n 变严,但尾部样本数几乎不增长。
【隐式】为什么「看起来是直线」这么容易:双对数坐标下,任何带指数截断的分布在中段都近似直线;而真正区分幂律与 lognormal 的尾部,恰好是每个 bin 只有个位数计数的地方。你看到的直线是坐标变换的产物,不是生成机制的证据。
【细微】把 α 的置信区间算出来。对 n≈1000、x_min 取在 90 分位的样本,α 的 95% 区间宽度常在 0.3–0.5。也就是说 α=2.1 与 α=2.5 在这个样本量下统计上不可分——而「α 落在 2 到 3 之间」正是无标度叙事的全部内容。再叠一层:用 AIC 权重看,幂律 vs lognormal 的 ΔAIC 常小于 2,那是「证据不确定」,不是「幂律胜出」。
【极难发现】更根本的一层:优先连接能生成幂律,但幂律不能反推优先连接。对数正态加有限规模截断、Yule 过程、双峰混合、乃至「度」被定义的方式(有向/无向、加权/二值、含不含自环、时间窗切在哪),都能造出同样的尾部。所以「观测到幂律 ⇒ 存在富者愈富机制」是肯定后件。可证伪的版本是:如果你真信优先连接,就该能预测新节点连接速率随度的函数形式,而不只是尾部斜率。
【流程节点链路】严格检验的完整节点,一个都不能省: 原始网络数据 → 定义「度」(有向/无向、加权/二值、时间窗)→ 扫描候选并估计 x_min(最小化 KS 距离)→ 在 x ≥ x_min 上做 MLE 得 α → KS bootstrap(重采样合成数据)得 p 值 → 与 lognormal/exponential/Weibull 做 Vuong 似然比 → 报告 α 的置信区间与对 x_min 的敏感性 → 结论。
注意最后那个节点:「不能拒绝幂律」≠「幂律成立」。p 值大只说明数据不足以拒绝,这是整个领域最常被跳过的一步,也是「无标度」标签泛滥的统计源头。
【一个可检验的推论】如果「无标度稀有」是对的,那么同一批网络在增加采样(更多节点、更长观测窗)之后,幂律拟合应当系统性地变差——尾部被填满,截断暴露出来。Broido & Clauset 的部分结果与此一致;任何手里有纵向数据的人都可独立检验这条预测。
【结尾问题】如果严格的幂律在经验网络中如此稀少,为什么「无标度」仍是引用率最高的网络标签?两种解释:(a) 确认偏误——我们只在双对数图上找直线;(b) 零模型太弱——真实网络介于随机图与纯幂律之间,而「无标度」只是这个区间一个方便的名字。你押哪一个?请给出一个能区分二者的观测。







0 Comments