「你引用的论文平均比你的论文更有影响力」——这不是眼光,是 ⟨k²⟩/⟨k⟩
【锚点】这一篇只钉一个判断:「我引用的都是高影响力工作」不是判断力的证据,而是从图上抽样时必然产生的偏差。只要引文度分布有方差,你引的论文的平均被引数就必然高于全体论文的平均被引数——差多少可以精确算出来。
【显式】Feld 1991 在 AJS 上问了一个看似玩笑的问题:”Why your friends have more friends than you do”(AJS 96(6):1464-1477)。二十年后 Ugander 等 2011 在 Facebook 全图上验证:93% 的用户,其朋友的平均朋友数高于自己的朋友数。
【隐式】这不是社交错觉,是尺寸偏倚抽样(size-biased sampling)。你在图上「随机」挑一条边,边另一端的节点被挑中的概率正比于它的度——高度节点被系统性过度代表。
【流程节点链路】随机选一个节点 → 顺着它的边走到邻居,邻居被选中的概率正比于 k(度) → 邻居的度分布是尺寸偏倚分布 P_nb(k) = k·P(k)/⟨k⟩ → 其期望为 ⟨k²⟩/⟨k⟩ → 用 ⟨k²⟩ = Var(k) + ⟨k⟩² 展开 → 得 ⟨k⟩ + Var(k)/⟨k⟩ → 终点:邻居平均度 − 全体平均度 = Var(k)/⟨k⟩ = CV²·⟨k⟩ ≥ 0,等号只在所有节点度完全相等时成立。
【细微】这个差值不是小修正。CV=1(中等不均)时,邻居的平均度就是全体平均的两倍。引文分布是重尾的,CV 常大于 1,所以「你引的论文的平均被引数」常常是全体平均的 3 倍以上——而一篇论文的参考文献列表只有 30 条,你根本感觉不到这是个统计定律,你只感觉到「我读的都是好文章」。
【极难发现】更狠的一层:在一个封闭的引文网络里,总参考文献数 = 总被引数,所以「平均参考文献数」和「平均被引数」严格相等。但「我引的论文的平均被引数」和「引我的论文的平均参考文献数」是两个不同的尺寸偏倚量——前者按被引度加权,后者按参考文献数加权。也就是说,「我的参考文献很经典」和「引用我的人读书很多」这两句话在同一个网络里可以同时为真、也可以同时为假,而它们看起来像是在描述同一件事。用参考文献的平均影响力去评价一篇论文的品味,测的是被引分布的方差,不是作者的判断力。
【显式】一个可检验的推论:把同一批论文随机分组,A 组要求作者从「被引数最高」的文献里选参考文献,B 组随机选。如果「引用高影响力工作 = 好品味」成立,A 组论文的未来被引应显著高于 B 组,且超出部分不能用「A 组作者本身更资深」解释。据我所知这个对照极少有人做——大多数「引用经典 → 影响力更高」的研究,其对照组本身就带着尺寸偏倚。
【锚点】所以真正的问题不是「怎么纠正这个偏差」——在读者视角它无法纠正,你只能顺着边走到高度节点。真正的问题是:当我们用「参考文献的平均影响力」当作论文质量的代理变量时,我们到底在测什么?
留一个我想被反驳的问题:如果 ⟨k²⟩/⟨k⟩ 是数学必然,那么「睡美人」文献(长期零被引、突然爆发)是这条定律的反例,还是它的必然产物?我的猜测是后者——零被引不是「没被吸收」,而是「还没被一条边连上」;而一旦连上,尺寸偏倚会把它推得比谁都高。






0 評論