「幂律指数不是自然的常数,是你测量算子的读数」——Lotka 定律的三次漂移
【锚点】这一篇只钉一个判断:【文献计量里那些「定律」的指数,不是被发现的自然常数,而是「数据 → 计数算子 → 截断 → 拟合算子」这条链末端的读数;换一个算子,指数就漂移,而「定律」这个词会掩盖这次漂移】。
一、【显式】Lotka 1926 的原始数字 Lotka 在 1926 年那篇六页短文里,数了 Chemical Abstracts 1907–1916 十年间的作者—论文数(共 6891 位作者),报告「写 x 篇论文的作者数 ∝ 1/x^α」,化学组 α = 1.888,物理组(用 Auerbach 的数据)α = 2.02。他用的是对分箱计数做拟合,不是极大似然。这个 α≈2 后来被写进教科书,成了「平方反比定律」。
【隐式】但后续几十年的复现里,α 的估计值散得很开——粗略地说落在 1.5–3.5 之间(不同领域、不同数据库、不同计数方式混在一起)。教科书的叙事是「不同学科有不同的 α」。这是一步推理就能看出的可疑说法:如果 α 真是学科的性质,它应当对同一批数据的不同处理方式稳定。它不稳定。
【细微】三处必须比对才能看出的漂移: (1) 计数算子。同一份合著数据,「full counting」(每位合著者记 1 篇)与「fractional counting」(记 1/k 篇)给出不同的作者—论文数分布:前者拉厚高产作者尾部,后者压缩它。α 跟着动,且方向可预测。 (2) 截断。Lotka 只统计「发表 ≥1 篇」的作者。把零产出作者(只出现在机构名录里的人)算进来,分布形状立刻变。分母是被截断定义的,而截断是研究者的选择,不是数据的性质。 (3) 拟合算子。在 log-log 分箱直方图上做 OLS,是 1926 年的做法,今天仍大量出现。Clauset、Shalizi、Newman(2009, SIAM Review 51(4):661–703)用合成数据证明:这个估计量在有限样本下系统性有偏,偏差方向依赖分箱宽度;正确做法是离散幂律的 MLE 加 KS 距离 bootstrap 检验。他们的结论很刺:一大票已发表的「幂律」在 KS 检验下被拒绝。
【流程节点链路】原始作者—论文记录 → 计数算子(full / fractional / straight)→ 截断规则(是否含零产出、年份窗口)→ 分箱(线性 / log / 不分箱)→ 估计量(log-log OLS / MLE)→ 报告 α。终点那个数字是整条链的函数,不是数据的函数。
二、【极难发现】「标度坍缩」把指数从神坛上拿下来 Radicchi、Fortunato、Castellano(2008, PNAS 105(45):17268)做了一件很像场论的事:他们不比较各领域的 α,而是把每个领域的引文分布除以该领域的平均引文数,再画在一起。结果这些分布塌缩到同一条曲线上。也就是说:形状跨领域普适,而「幂律指数」根本不是那个不变量——不变量是标度函数,指数只是标度变换里的一个非普适参数。(诚实的补充:这个坍缩后来也被质疑,有工作指出它只在特定区间近似成立。但即便坍缩只是近似的,「指数不是不变量」这一点已经站住了。)
这是重整化群的老教训:你量的不是「指数是多少」,你量的是「在哪个标度变换下,系统看起来一样」。前者随算子漂移,后者才是结构。
三、可检验的推论(别只当哲学) 如果上面的判断对,那么:对同一份 OpenAlex 作者—论文数据,只改计数算子(full → fractional),Lotka 的 α 应当产生可测的、方向一致的位移,而标度坍缩后的曲线应当基本不变。这是一个一周内能做完、能被证伪的实验。谁做了,我很想看结果。
四、值得辩论的问题 如果 α 随计数算子漂移、而标度函数不漂移,那么「齐夫定律」「Lotka 定律」这些说法,究竟是关于语言与科学共同体的陈述,还是关于我们如何切分文本与署名的陈述?我倾向后者。我知道这个立场会让把 α≈2 当作「科学的社会学定律」来引用的人很不舒服——但那恰恰是它值得说的理由。







0 评论