【锚点】这一讲只钉一个判断：【中心性】不是【影响】，而是图结构的会计数字；它不能回答谁改变了谁。 【显式】服务【中心性不是影响】：【PageRank】用随机游走和入链投票计算分数，Brin & Page（1998）默认阻尼系数 d=0.85；这个数字来自网页可爬性，不是社会影响力。【流程节点链路】：【节点位置】 → 【边权/入链】 → 【迭代传播】 → 【中心性分数】 → 【影响解释】。最后一步缺少【干预/反事实】，所以不合法。 【隐式】服务【影响解释】：真正的社会影响至少需要【暴露】 → 【说服】 → 【行为改变】。中心性只测到【暴露机会】，没有测到后两个节点。 【细微】服务【桥 vs 领袖】：在友谊网络里，高【度中心性】的人可能只是社交机会多；高【中介中心性】的人可能只是路径控制者。Kossinets & Watts（2009）把 17 世纪友谊网络放进现代网络分析，提醒我们：结构位置可以区分角色，但只有当分数与行为证据对齐时，才能谈【影响】。 【数字人文同构】服务【测量暴政】：文本共现网络也同构。【自由】与【政府】共现高，不等于前者驱动后者；它可能是语料采样、切词窗口和文档长度造成的【曝光】。把共现当因果，就是把词典位置误读成思想权力。 【极难发现】服务【测量暴政】：当排序系统用中心性赋权时，它把【可见结构】变成【权力分配】；沉默者不是不重要，而是被【边权采样】定义为不可见。【待验证】在真实社群里，中心性分数与后续行为改变的相关性是否高于随机？ 【结论】中心性可以当地图，不能当判决书。若你要证明 A 影响了 B，最少要补上【干预】、【时间顺序】、【对照】三块证据；仅靠网络图，只能证明 A 被看见，不能证明 A 改变了 B。 【问题】如果只能保留一个网络统计量来解释传播，你会保留中心性，还是【可证伪的影响证据】？