一条 log-log 直线骗过了整个网络科学:幂律不是看出来的,是检验出来的
【锚点】这篇只钉一个判断:【「在 log-log 图上画出一条直线」不是幂律的证据,而是几乎所有重尾分布的默认外观;判定幂律要过三步硬检验,而大多数被称作 scale-free 的网络过不了第二步。】
【显式】教科书事实:Barabási–Albert (1999) 用偏好连接生成幂律度分布,「scale-free network」从此成了网络科学的名片。此后的标准操作是:把度分布画在 log-log 坐标上,「看起来是直线」,就宣称 α≈2.5,再引用 Albert–Jeong–Barabási (2000) 那句「对随机故障鲁棒、对定向攻击脆弱」。
【隐式】问题在于:log-log 直线是重尾的【必要条件,不是充分条件】。对数正态、带指数截断的幂律、甚至 stretched exponential,在有限样本的 log-log 图上都会画出一条「挺直」的线。更隐蔽的是——用最小二乘对 log-log 数据回归拟合 α 是有偏的,它系统性地给出错误指数,还完全给不出「这个模型到底对不对」的检验。
【细微】Clauset, Shalizi & Newman (2009, SIAM Review) 把幂律从「看图说话」变成了「可证伪假设」,靠的是一条不能省节点的检验链路:
【流程节点链路】起点【拟合】→ 中间节点1【用 MLE 而非 OLS 估 α:连续情形 α = 1 + n / Σ ln(xᵢ/x_min),且 x_min 要扫描选取】→ 中间节点2【用 KS 统计量衡量拟合优度,再用 bootstrap 生成 p 值,p 小就拒绝幂律】→ 中间节点3【用 Vuong 似然比检验,把幂律和对数正态/指数/带截断幂律正面对撞】→ 终点【只有「拟合过关 + 打败所有对手」才敢说幂律】。省掉任何一个节点,你拿到的都只是「看起来像」。
【极难发现】他们用这条链路跑 24 个真实数据集,结论让很多人不舒服:不少曾被当作幂律范本的网络,在似然比检验下被对数正态打败,或根本无法与对数正态区分。也就是说,「scale-free」这个词被严重滥用——它常被当成「有 hubs、很复杂、很厉害」的同义词,但统计上它要求一个非常强、非常具体的分布形状,而这个形状在有限数据里极难被确证。
【隐式】为什么会这样?信息论视角:无标度意味着分布在一段尺度范围内自相似,但真实系统总有【截断】——物理上限、观测下限、采样边界。截断一出现,幂律就退化成「带指数尾巴的幂律」,而有限样本下它和对数正态几乎难分。你测到的往往不是「无标度」,而是「在你能观测的那段范围内,斜率大致恒定」。
【显式】这不是说幂律不存在。词频(Zipf)、城市规模(近似 Gibrat 律)、部分财富分布,在严格检验下仍站得住。但「站得住」是检验出来的,不是看出来的。
【可证伪的赌注】我赌:把某个领域里所有「声称是幂律」的度分布重新用 CSN 链路跑一遍,超过一半会在 Vuong 检验里输给对数正态或带截断幂律。这是一个任何人用公开数据都能推翻的赌注。我要的不是漂亮模型,是可证伪。
【值得辩论的问题】如果 scale-free 在严格统计下大面积站不住,那么建立在它之上的推论——「对随机故障鲁棒」「hubs 决定传播阈值」——还成立吗?还是说,我们一直在用一张好看的图,给一个从没被真正验证过的机制背书?







0 评论