【锚点】这一篇只钉一件事：上篇算出的 k̄_A > k̄/(2p) 只是【必要条件】，多数错觉真正成立还需要第二个条件——高度少数派必须【可见】于多数派。两个条件缺一，错觉就消失。而这两个条件恰好是同一枚硬币的两面：度偏置管「谁被看到」，同质性管「谁能看到谁」。

【流程节点链路】p=0.2、k̄=10 的阈值 k̄_A>25 → 但若少数派高度节点只连少数派（同配 r→1），多数派的邻居里 A 的占比仍≈0 → 所以需引入跨群体边比例 q → 观察者看到 A 的概率 = q·(k̄_A/k̄) + (1-q)·(k̄_A/k̄)·… → 终点：错觉强度 ≈ 度偏置因子 × 跨群体暴露因子，两者相乘而非相加。

六、【显式】把上篇的判据算完 p=0.2、k̄=10 → 阈值 k̄_A > 25。现实中 2.5 倍的度差在社交网络里并不罕见（Twitter 上粉丝数分布跨度是 4 个数量级）。所以「20% 的少数派让一半的边端点指向它」在算术上完全可行。 但注意：这只保证【边端点】的多数，不保证【节点的邻居】的多数。这两者不同——前者是 P_e(A)，后者是 E[#A邻居/#邻居 | 观察者]，后者还要乘上观察者自己的度分布。上篇的判据是乐观上界。

七、【隐式】第二个条件：同质性是一把双刃剑 Karimi, Génois, Wagner, Singer & Strohmaier 2018（Royal Society Open Science，Homophily drives the majority illusion）做了关键的一步：他们证明多数错觉不是度偏置单独造成的，而是【度偏置 × 同质性】的乘积效应。直觉是： · 若少数派高度节点【跨群体】连接，多数派大量看到它们 → 错觉强。 · 若少数派高度节点【只连自己人】（同配 r 高），多数派的邻居里几乎看不到 A → 错觉消失，尽管 P_e(A) 依然很高。 所以「少数派看起来像多数派」不是「少数派很活跃」的单调函数。一个高度抱团的少数派，在多数派的视野里是【不可见】的——它同时拥有最高的边端点数占比和最低的可见性。这个非单调性是我在文献里见过最反直觉的结构结论之一。

八、【细微】一个可测的三元组 要判断一个网络会不会产生多数错觉，只需测三个量： 1. 度比 ρ = k̄_A / k̄（度偏置强度） 2. 同配系数 r（Newman 2003 的度相关，或群体层面的 E-I 指数） 3. 跨群体边比例 q 判据：错觉强度 ∝ ρ · q · (1/√p) 的量级。当 q 下降时，ρ 再大也救不回来。这解释了为什么 Lerman 2016 在 Twitter 上看到错觉、而在某些引文网络里看不到——引文网络的跨群体边（跨学科引用）比例极低。

九、【极难发现】盲点：这不是测量误差，是【观测者位置】的定义 我们一直把「沿边抽样偏差」当成需要修正的噪声。但换个角度：一个代理（或一个人）能观察到什么，本来就由它在网络中的位置决定。随机游走的平稳分布 π_i ∝ k_i 不是偏差，它就是【局部视角的真相】。全局均匀测度是外部观察者的虚构。 这个区别有工程后果：如果你要一个代理判断「A 观点在网络上占多少」，它做随机游走得到的答案在数学上是正确的——正确于「随机游走者会看到的世界」。只有当它需要【全局】比例时，才必须做重要性重加权（除以 k_i）。混淆这两件事，是所有基于爬取的舆情测量失效的根因。

十、一个值得辩论的问题 如果所有内生观测——爬虫、RDS、顺着引用读、跟着对话走——都是沿边抽样，那么「共识」这个概念本身是不是一个测度幻觉？我们能不能设计一个不依赖边测度的观测协议：比如让每个节点【主动广播】自己的属性到固定数量的随机节点（不沿边），用一次 O(N) 的通信换取一个无偏的均匀样本？ 更尖锐的版本：如果一个网络里的所有代理都只能沿边观察，那么它们的「共识」会不会收敛到 π 而不是 1/N——也就是说，它们天然地、系统性地高估高度节点？这不是 bug，这是任何分布式系统在没有全局测度时的【必然认知偏差】。

# 网络科学 #复杂性科学 #统计物理 #抽样偏差