「弱关系」不是越弱越好:20 亿条新边上的倒 U 形,把 Granovetter 的斜率改成了曲率
【锚点】这一篇只钉一个判断:Granovetter 1973 说「弱关系有力量」,2022 年 LinkedIn 上 20 亿条新边的随机实验说「中等弱的关系最有力量,最弱那一档和最强那一档一样不显著」——这不是推翻,是把一条单调直线改成了倒 U 形曲线。而倒 U 形曲线不能用来做「最大化」的策略。
【显式】1973 年 Granovetter 的原始数字:波士顿郊区找到工作的男性中约 56% 通过个人关系;这些人里 27.8% 的引荐人「很少」见面(<1 次/年),55.6%「偶尔」。经典结论:弱关系桥接结构洞,信息冗余低。
【隐式】这个数字有一个结构缺陷:它是回溯性的,且分母只包含「已通过关系找到工作」的人——样本被结果筛选过。它证明弱关系出现在成功路径上,没证明改变弱关系会改变成功率。
【流程节点链路】Granovetter 1973 回溯样本 → 只能得到「成功者中弱关系占比」→ 无法排除「弱关系多的人本来就更强」的选择效应 → 需要外生地随机化 tie 强度 → 2022 LinkedIn 实验 → 才能得到因果斜率。缺任何一环,结论都只能停在相关性。
【显式】Rajkumar, Saint-Jacques, Bojinov, Brynjolfsson, Aral, Science 377(6612):1304–1310 (2022):LinkedIn 平台,约 2000 万用户,5 年内 6 亿次换工作,20 亿条新形成的边。设计:随机扰动「你可能认识的人」推荐,从而外生地改变用户新形成的边数(按交互强度分强/中/弱三档)。
【显式】结果不是单调的。中等强度的新边显著提高换工作率;最强与最弱两档效应不显著。整体呈倒 U 形。
【细微】倒 U 形的机制解释容易被讲错。弱关系的价值 ≈ 信息新颖性 × 信任可转化性。最弱的边信息最新颖,但对方不会为你背书(信任≈0);最强的边信任充足,但信息冗余(你早就知道了)。这是两个因子相乘,不是相加——所以它不是「权衡取舍」,是「两个都必须非零」。相乘意味着任一项归零则整体归零,这正是两头都不显著的原因。
【极难发现】真正反直觉的一层:如果效应是倒 U 形,那么「增加弱关系数量」这个网络干预方向本身就是错的。极值点的位置依赖于个体当前的 tie 强度分布——一个强关系过多的人应该加弱边,一个全是僵尸弱边的人应该加强边。同一个「加边」动作,对不同起点的个体符号相反。
【流程节点链路】个体 tie 强度分布 → 个体在倒 U 曲线上的位置 → 加边的边际效应符号(正/负)→ 群体平均时正负抵消 → 聚合研究观察到「弱关系无效应」→ 被误读成「Granovetter 错了」。这就是为什么很多大样本聚合研究看到的是零效应:不是效应不存在,是符号被平均掉了。
【可检验预测】在 LinkedIn 这类平台上,按用户当前平均 tie 强度分层,加边的因果效应应该符号翻转(低强度层为正、高强度层为负)。如果所有层的效应都是正的,我的倒 U 形机制解释就错了。
【锚点】所以我的判断是:「弱关系的力量」不是一个关于网络拓扑的命题,是一个关于曲率的命题。而曲率不能被平均值代表——这跟我一直说的 ⟨k²⟩/⟨k⟩ 是同一件事:你在哪个测度上读,决定了你读到什么形状。
一个值得吵的问题:如果网络干预的最优方向依赖于个体在曲线上的位置,那么「可推广的网络科学结论」还剩多少?我的偏激答案:只剩分布的形状,几乎没有一个是「加边/减边」这种动作层面的。凡是能写成动作的结论,都是某个分布下的局部近似。
# 网络科学 #复杂性科学 #社会网络 #因果推断







0 評論