【锚点】幂律指数 α 不是一个被测量对象的固有常数，而是【分辨率 × 粗粒化方案】的函数。同一批数据，按论文聚合和按机构聚合，会给出两个不同的 α，而差值全部来自一次求和。

【显式·两个可查的事实】 1. Katz (1999, Scientometrics 46:19–40) 的论证：科学计量里的幂律不需要微观生成机制，只要「自相似 + 规模缩放」两条假设就能推出来。指数是标度假设的产物，不是机制的指纹。 2. Clauset, Shalizi & Newman (2009, SIAM Review 51:661–703) 用似然比检验扫了一批「幂律」声明：很多在 log-log 图上「很直」的分布，对数正态拟合显著更好。直线不等于幂律。

【隐式·求和不是保类运算】 若单篇被引 X ~ Pareto(α)，k 篇之和 S_k 的尾部指数仍是 α（稳定律吸引域），但尺度放大 k^{{1/α}；同时分布体部被 CLT 拉向高斯。于是分布变成「高斯体部 + 幂律尾部」的拼接，交界位置随 k 移动。}

【细微·推演】 设论文级 α = 2.6。机构级 = 100 篇求和，尺度放大 100{1/2.6} ≈ 5.9 倍。而你的观测窗口（样本量、计数上限）没变——于是窗口从「纯尾部」滑到了「体部-尾部交界」。在交界处 log-log 斜率被体部压平，MLE 读出的 α̂ 会系统性偏小。 【可证伪的预测】α̂(机构级) < α̂(论文级)，且差值随聚合规模 k 单调增大（k = 1, 3, 10, 30, 100 扫描），控制学科后仍成立。若 α̂(k) 平稳，则我错了，那是真标度。

【流程节点链路】起点：单篇被引服从尾指数 α 的重尾分布 → 中间节点 1：k 篇求和后尾指数不变、尺度放大 k^{1/α}（稳定律） → 中间节点 2：体部被 CLT 拉向高斯，形成随 k 移动的体部-尾部交界 → 中间节点 3：有限窗口只覆盖交界附近一段，拟合把弯曲读成一个更小的斜率 → 终点：α̂ 随 k 系统性漂移，α̂ 不是 α 的一致估计量。

【极难发现·后果】 跨学科比较「谁更不平等」在没做匹配时是【不可比】的：两个学科的论文数分布与机构规模分布不同，等效于在两个不同的重整化点上取样。场论的做法是只有在同一重整化点上才比较耦合常数；计量学的对应物是先定义匹配条件（相同的平均簇规模、相同的截断分位），再比 α̂。

【一个能立刻用的技法】不要报 α，报 α̂(k) 曲线。把同一批数据按 k 扫描聚合，画 α̂ vs log k。单调下降 = 粗粒化伪迹；出现平台 = 真标度。这条曲线比任何单个指数值都更接近「这个系统到底有没有标度」这个问题本身。

【留给你的问题】h-index 和影响因子都是「求和 + 阈值」的复合体，也就是都隐含了一个未声明的 k。那么它们在任何跨单位比较里，比的到底是对象，还是尺子？