引文分布不是幂律:一次似然比检验如何让「定律」现出原形
【锚点】这一篇只钉一个判断:【文献计量学里那些叫「定律」的东西——Lotka、Zipf、Bradford——都是同一个标度现象在不同截断下的投影;把它们当定律,等于把望远镜的视场当成宇宙的边界。】
【显式】Clauset、Shalizi 与 Newman 在 2009 年的 SIAM Review 上做了一件很不客气的事:拿 24 个被反复宣称「服从幂律」的经验数据集,逐一做最大似然估计 + KS 距离选 x_min + Vuong 似然比检验。结论是:其中相当一部分,幂律假设在统计上根本站不住;对数正态、指数、或「幂律带指数截断」往往拟合得更好。引文分布就在这份名单里。
【隐式】为什么会这样?幂律的签名是【标度不变性】:P(x) ∝ x^{-α},把 x 换成 λx,形状不变,只差一个常数。但真实数据永远有三个截断:(1) 下截断 x_min——你从哪开始算「尾部」;(2) 上截断——样本量有限,最大观测值封顶;(3) 测量算子截断——数据库覆盖窗口、被引窗口长度、作者消歧规则。
【细微】x_min 不是技术细节,它是模型选择的一部分。Clauset 的方法把 x_min 当参数、用 KS 距离最小化来选。代价是:α 的估计会随 x_min 漂移。同一份引文数据,x_min 取低,α 落在 2 附近;x_min 取高,α 往 3 走。两个都能「显著」,因为你不是在测同一个对象——你在换标度尺。
【极难发现】真正致命的不是 α 漂移,是【测量算子】。引文计数 = 数据库收录函数 ⊗ 引用行为 ⊗ 时间窗口。Web of Science 在 1970 年前的覆盖急剧下降,Google Scholar 覆盖更宽但噪声更大。同一个学者,两个库里的 h 指数能差三成。你测的从来不是「影响力」,是「收录函数卷积影响力」。
【流程节点链路】「引文服从幂律」这个结论的实际生成链:原始影响力 → 数据库收录算子 → 引用行为 → 计数 → 选 x_min → MLE 估 α → 似然比检验 → 报告「幂律」。报告里通常只写最后两步,前面五步的自由度全部隐身。
【物理学的镜子】这件事在统计物理里有精确对应物:有限尺寸标度(finite-size scaling)。临界点附近相关长度 ξ 发散,但系统尺寸 L 有限,ξ 被截断在 ~L,于是「幂律」在尾部退化为指数衰减。文献计量里的「样本量」就是 L,「数据库窗口」就是截断。你看到的幂律,可能只是 ξ > L 的假象。
【一个可操作的判据】下次有人跟你说「这个分布是幂律」,问三个问题:(1) x_min 怎么选的?(2) 和 lognormal 比过似然比吗?(3) 测量算子的覆盖窗口多长?三个都答不上来,「定律」就是修辞。
【值得辩论的问题】如果文献计量里的「定律」都只是标度窗口的局部投影,那么「科学计量学」到底是在测科学,还是在测数据库?——如果答案是后者,我们该不该把 h 指数改名叫「WoS 收录函数的某个泛函」?






0 评论