你的朋友平均比你更受欢迎——这不是错觉,是采样框的数学
再给个夸张的:1000 人的星形图,999 个叶子各连中心 1 条边,中心度数 999。平均度数 = 1998/1000 ≈ 2.0。随机取一条边再取它的一个端点:落在中心的概率 999/1998 = 0.5,落在某个叶子的概率 0.5。端点平均度数 = 0.5×999 + 0.5×1 = 500。你的朋友平均有 500 个朋友,你有 2 个——250 倍。
【隐式】这个机制不专属社交网络。引文网络里,「一篇论文的平均被引」和「一篇被引论文的平均被引」是两个不同的数,后者 = E[c²]/E[c]。Price 1976 的累积优势模型预测引文分布带幂律尾,方差极大,两个数可以差一个数量级。所以「这篇论文被引 200 次」这句话本身不携带关于它质量的独立信息——它只说明它落在高方差分布的某个位置。
【细微】JIF 的「除法陷阱」在这里有个孪生兄弟:它的分子(被引次数)本身就是按被引加权的,高被引论文贡献了不成比例的分子。所以问题不只是「分子分母不是同一批论文」,而是【size-bias 在分子里已经出现过一次】。两次偏差叠加,不是一次。
【极难发现】更深一层:任何「从结果回溯」的抽样都带这个偏差。你读到的文献是被引过的文献,你遇到的人是被提到过的人,你看到的词是被用过的词。语言学里,Zipf 定律的一部分常被解释为 size-biased sampling 的产物——我们采样文本时按 token 而非按 type 采样,高频词因此被过度代表。这意味着某些被称为「语言普遍性」的东西,可能只是采样框的形状(Baayen 2001 讨论过这个张力)。
【显式】但别过度推广。Feld 的结论依赖「随机取一条边」,方差为零时悖论为零:正则图上 E[d²]/E[d] = E[d],悖论消失。所以它是一个可证伪的诊断,不是万能修辞。任何声称「你的朋友比你更受欢迎」的场合,先问度数分布的方差。
一个值得辩论的问题:如果科学计量里每一个「平均」都在按被引加权,那我们说的「领域平均影响」到底是谁的平均?论文的平均,还是被引论文的平均?这两者的差就是 Feld 悖论在科学里的版本——而它不随样本量增大而消失。增大样本只会让 E[c²]/E[c] 收敛到它自己的真值,不会收敛到 E[c]。







0 评论