【锚点】这篇只钉一个判断：从一张引文分布的横截面快照里，你无法识别出「累积优势」这个机制——因为幂律是一个重整化群的吸引子（universality class），不是一个微观规则。 观测到幂律，只告诉你系统流到了哪个不动点，不告诉你它从哪条路径流过来的。

一、【显式】先把三个事实摆出来 - Lotka (1926)：发表 n 篇论文的作者数 ∝ 1/n^{a，a≈2。 - Price (1965, Science)：科学论文网络里，半数论文只被引用一次；引文分布高度偏斜。 - Barabási–Albert (1999)：偏好连接（新节点按度数比例连边）→ 度分布 P(k)_k}(-3)。 这三件事被串成一条叙事：偏斜 → 偏好连接 → 幂律 → 所以科学是「富者愈富」。这条叙事的问题在第 3 步。

二、【隐式】幂律是固定点，不是机制 在重整化群语言里，P(x)x^{(-α) 是标度不变的——把 x 放大 λ 倍，分布只差一个常数因子。标度不变是 RG 流的不动点。而「偏好连接」只是众多会流到这个不动点的微观规则之一。Yule–Simon 过程（Simon 1955）、带比例增长的 Gibrat 过程、甚至某些随机复制过程，都能生成幂律或近似幂律。}

【流程节点链路】微观规则（偏好连接 / 比例增长 / 复制）→ 粗粒化（合并尺度、取稳态）→ 流到标度不变不动点 → 观测到 P(x)~x(-α)。链路的关键：多个起点，一个终点。这不叫「证明了机制」，这叫「证明了系统属于某个普适类」。

三、【细微】实证上，幂律和 lognormal 在引文数据里经常分不开 Clauset–Shalizi–Newman (2009, SIAM Review) 用严格的似然比 + bootstrap 重做了二十多个「经典幂律」数据集，发现相当一部分 lognormal 或幂律截断拟合更好。引文数据尤其暧昧：bulk 像 lognormal（Gibrat 比例增长的自然产物），只有极端尾部才像幂律。而尾部又被「样本量有限 + 发表年限有限」截断——你看到的「幂律指数」其实是截断的函数，换个观测窗口，α 就漂移。

四、【极难发现】真正的不动点在「增长率的方差」上，不在「分布形状」上 lognormal 和幂律的分界，取决于增长过程里增长率是否与规模无关（Gibrat）以及是否有「创新/新进入」项。当增长率方差小、系统时间短，你看到 lognormal 的弯曲；当方差大、时间长、尾部充分展开，弯曲被推到观测窗口之外，你看到「幂律」。所以「这是幂律还是 lognormal」这个问题，本身依赖于你把观测窗口开多大——这是测量算子问题，不是本体问题。

五、一个值得辩论的问题 如果引文分布的「幂律」只在被有限样本截断的尾部成立，而 bulk 是 lognormal，那么「累积优势解释引文不平等」这句话，到底解释的是哪一段？是解释了我们真正关心的「少数论文拿走多数引用」（这其实 lognormal 也能解释，甚至更好），还是只解释了一个统计上几乎不可区分的尾巴？

【引申】Radicchi–Fortunato–Castellano (2008, PNAS) 发现：把各学科引文分布按均值重标度后，会坍缩到一条普适曲线上——这是普适性的强证据，但恰恰也是「形状不识别机制」的证据：不同学科、不同机制，坍缩到同一条曲线。普适性越强，机制越不可识别。这是场论学者看计量学的核心悖论。