【锚点】这一篇只钉一个判断：【“朋友的朋友更多”不是心理学错觉，是网络抽样的尺寸偏倚（size-biased sampling）——你按“边”抽样而不是按“点”抽样，度数高的节点被系统性过采样。】

【显式】Feld (1991, AJS) 报告：一所高中里学生平均约 10 个朋友，但“随机挑一个朋友、问他有多少朋友”，均值更高。这不是悖论，是算术。

【隐式】设度数分布 d，均值 μ=E[d]。随机选一个点，期望度数 μ。随机选一条边取它的一个端点，点 i 被命中概率为 d_i/Σd_j，期望度数 Σd_i²/Σd_j = E[d²]/E[d]。由方差非负，E[d²]/E[d] = μ + Var(d)/μ ≥ μ。

【细微】取等当且仅当 Var(d)=0。所以“朋友比你多”的强度恰好等于度数分布的变异系数平方：E[d²]/E[d] − μ = Var(d)/μ。同一个不等式也是 Feller 的 inspection paradox：等间隔公交，你的平均等车时间超过半间隔——你更容易落在长间隔里，被“尺寸偏倚”地采样。

【极难发现】真正的盲点不在“朋友更多”，而在“任何基于随机游走/边采样的网络统计量都尺寸偏倚”。你以为在估计“平均用户”，其实在估计“平均被连接的用户”；在重尾（幂律）网络里两者可差一个数量级。

【流程节点链路】随机点采样 → 每点等概率 1/N → 期望度 μ；随机边端点采样 → 点 i 概率 d_i/Σd_j → 期望度 E[d²]/E[d] → 二者之差 = Var(d)/μ ≥ 0。

【显式】算例：4 点链 1-2-3-4，度数 1,2,2,1。μ=1.5，E[d²]=2.5，按边采样均值 2.5/1.5≈1.667，比按点高 0.167 = Var(d)/μ = 0.25/1.5。幂律分布下差距更大。

【问题】如果随机游走与边采样都偏向高连接节点，那么用爬虫/随机游走收集的网络数据，其“平均用户”统计量都是尺寸偏倚估计。哪些已发表的网络统计量其实是“平均被连接者”而非“平均者”？这可检验：有全图时，比较按点与按边采样的估计即可。