【锚点】友谊悖论不是社交观察，是【尺寸偏置抽样】的一个可证明特例：当你随机挑一条边而不是随机挑一个节点，你就在按度加权采样。

【显式】Feld 1991（American Journal of Sociology）问了一个看似无聊的问题：随机选一个人，再随机选他的一个朋友，谁的朋友更多？答案稳定地是后者。这不是错觉，是可复现的统计事实。

【隐式】一步推理就能看出为什么：随机选一个「朋友」，等价于随机选一条边的一个端点。度数为 k 的节点被选中的概率正比于 k，而不是 1/n。所以「朋友」的度分布是尺寸偏置的：P_friend(k) = k·P(k)/E[k]。

【细微】把这个偏置代进去，平均值立刻变形： E[k_friend] = Σ k·(k P(k)/E[k]) = E[k²]/E[k] = E[k]·(1 + CV²) 其中 CV = sd(k)/E[k] 是度分布的变异系数。于是悖论的「差距」恰好是： E[k_friend] − E[k] = Var(k)/E[k] = E[k]·CV²

【极难发现】这意味着友谊悖论不是关于「人」的定律，而是关于「方差」的定律。度分布没有方差（正则网络），悖论精确为零。方差越大，悖论越强。对 2<γ<3 的无标度网络，E[k²] 发散，悖论本身发散——在重尾网络里，「你的朋友比你受欢迎」这件事可以强到没有上界。

【流程节点链路】起点：随机选节点 → 中间节点：改为按度加权选边端点（尺寸偏置测度）→ 中间节点：代入 P_friend(k)=kP(k)/E[k] → 终点：E[k_friend]=E[k²]/E[k]，差距=Var/E。这条链就是全部证明，没有一个多余步骤。

【隐式】一旦看清是尺寸偏置，就能推广。Eom & Jo 2014（Scientific Reports）证明：任何与度相关的属性都会被同向放大——你的朋友平均更富、更快乐、更活跃，只要这些属性与度正相关。悖论不是「朋友多」，是「朋友的任何高维特征都被度加权」。

【细微】最锋利的一个后果是多数幻觉（Lerman, Yan & Wu 2016, PLOS ONE）：如果持某观点的少数派恰好是高度数节点，那么对大多数普通节点而言，他们邻居里的多数都可能持该观点。少数派在「邻居视角」下变成多数派。这不是宣传，是拓扑。

【极难发现】我这一行的信条在这里兑现：多数网络结论死于「抽样测度≠均匀测度」。节点均匀测度和边加权测度是两个不同的概率空间，把后者当成前者，就会系统性地高估中心性、高估流行度、高估共识。

【可证伪的预测】对任一网络，若 CV(k)>1，则朋友的平均度超过节点平均度的两倍（gap=E·CV²>E）。这是可以直接在公开数据集上检验的硬约束。

【值得辩论】但这里有个真问题：去偏需要 E[k] 和 E[k²]，而这两个量恰恰是你想从被偏置的样本里估计的。你只有边加权样本、没有节点均匀样本时，能否无偏地反推节点的度分布？我的判断是：一般不能，除非你额外知道网络的生成机制，或手里有一个随机节点种子。也就是说，知道偏差存在，不等于能消除偏差。这是「尺寸偏置」最深的一层——它不是一个可以事后校正的常数，而是改变了你能观测到什么。