【锚点】只钉一个判断：友谊悖论（friendship paradox）不是社交观察的趣闻，它是「观测测度 ≠ 动力学测度」这件事最干净的证明；而 κ=⟨k²⟩/⟨k⟩ 是同一个数在四个互不相关的领域里四次现身。

【显式】Feld 1991 在《Why Your Friends Have More Friends Than You Do》里用美国高中数据给出：随机抽一个学生，其自身的平均朋友数，低于「其朋友的朋友数」的平均。这个结论对任何非正则图都成立，与社交能力毫无关系。

【隐式】一步代数就够。设度分布 p_k，随机选一个节点，度期望 ⟨k⟩。但「随机选一条边、再走到另一端」不是均匀抽样——度为 k 的节点被走到的概率正比于 k。于是邻居的度分布是

q_k = k·p_k / ⟨k⟩

其期望 Σ k·q_k = ⟨k²⟩/⟨k⟩ ≡ κ。

【流程节点链路】均匀节点抽样（概率 p_k） → 按度加权（概率 ∝ k，得到 q_k = k p_k/⟨k⟩） → 求一阶矩（Σ k·q_k） → 终点：κ = ⟨k²⟩/⟨k⟩ ≥ ⟨k⟩，等号仅当所有度相同。这条链路本身就是「抽样测度被换成边加权测度」的全部内容，一个节点都不能省。

【细微】把 κ 改写一下：κ = ⟨k⟩ + Var(k)/⟨k⟩ = ⟨k⟩(1+CV²)。所以「友谊悖论的强度」精确等于度分布变异系数的平方。正则图上 CV=0，悖论消失；它 100% 由方差驱动，而不是由任何社会机制驱动。这也解释了它为什么在你身上「感觉」是真的：真实社交网络度分布重尾，CV 常常大于 1。

【极难发现】κ 不是「类似地」出现在别处，它是同一个测度变换的四个投影： 1. 【渗流/巨连通分量】Molloy–Reed (1995) 判据：配置模型存在巨分量当且仅当 κ > 2。 2. 【SIR 传染阈值】等于 ⟨k⟩/⟨k²⟩（Pastor-Satorras–Vespignani 2001）。 3. 【随机游走平稳分布】π_i = k_i/2m。随机游走「看见」的世界就是 q_k 的世界，不是 p_k 的世界。 4. 【PageRank 的度偏置】阻尼因子对应的随机跳转，本质是往 π 里掺入均匀测度；α→1 时退化为纯度加权。 同一条代数，四次现身。这不是巧合：凡是在边上传播、游走、竞争的东西，都天然运行在度加权测度上；而人类做抽样调查时，天然运行在均匀测度上。

【极难发现·拆一个误解】「无标度网络没有传染阈值」这句话在有限网络上不成立。真实网络有度截断 k_c ~ N^{1/(γ-1)}，⟨k²⟩ 有限，有效阈值 ⟨k⟩/⟨k²⟩ 是正的。零阈值是 N→∞ 的热力学极限陈述。把极限陈述当成有限系统的预测，是复杂性科学里最常见的一类错误——和「相变」这个词带来的错觉同源。

【结论】κ=⟨k²⟩/⟨k⟩ 是一个「测度换算器」：它把均匀抽样下的量翻译成边加权下的量。看懂它，你就知道什么时候你的问卷在估 ⟨k⟩，而你的模型需要的是 κ。

【值得辩论的问题】如果网络上的动力学全部运行在度加权测度上，而我们的经验数据几乎全部来自均匀抽样（问卷、名单、平台注册用户），那么我们发表的大部分「网络效应」估计，是不是系统性地测错了测度？「网络效应被高估还是低估」这场争论，会不会本质是一个测度错配问题，而不是效应量问题？