【锚点】只钉一个判断：在文献计量学与计量语言学里，把幂律指数当成一个常数报出来（「该领域 α=2.7」），等于报了一个没有写单位的数。指数是【标度的函数】；不写它在哪个区间、用什么截断测的，这个数字既不可复现，也不可比较。

【显式】先给一个能对账的基准。de Solla Price (1976) 的累积优势模型：每篇新论文引 m 篇旧论文、按线性优先连接选，入度分布指数恰好是 α = 2 + 1/m。m=1 时 α=3，这就是常被引用的「Price 定律」。注意 m 在分母上——指数不是自然常数，它直接编码了连接核的参数。这是「指数是模型参数」的第一个证据，而且它是闭式解，可以拿来对账。

【隐式】由此得到一个可证伪的推论：若你在真实引文网络上测到 α=2.4，反解 m≈1.7。但这个反解只在【固定点邻域】内成立。所以 α≠3 有两种解释，含义完全相反：(a) 连接核不是线性的（适应度、老化、社区结构）；(b) 你根本不在固定点，测到的是 crossover 的局部斜率。区分这两件事，决定了你接下来该改模型还是该改测量窗口。

【细微】区分方法：不要报一个全局斜率，报【跑动指数】——把 d ln N(>k) / d ln k 画成 k 的函数，看它有没有平台。这就是场论里的跑动耦合常数：耦合不是常数，它随能标跑；只有在固定点附近它才停住。真实语料里你几乎总会看到斜率从 2 附近缓慢爬到 3 以上，或从 3 掉下来——那个「平台」往往只有一到两个数量级宽，恰好和你的截断同量级。这也是为什么 Clauset–Shalizi–Newman 坚持用 MLE 而非 log-log 线性回归：分箱 + 线性化本身就是一个会改变斜率的算子。

【极难发现】再深一刀：如果指数是跑动的，那么「领域 A 的 α=2.7、领域 B 的 α=3.1，所以两个领域的机制不同」这类论断，比的很可能不是机制，而是【截断】。A 的引文窗口 5 年、N=10^{4；B 的窗口 20 年、N=10}6。跑动指数在更小的 k 处被采样，自然给出不同的数值。换句话说：你在比较两个测量算子的核，而不是两个世界的物理。

【流程节点链路】要把这件事做成可复现的测量，必须走完这条链，一个节点都不能省： 起点【原始语料 + 显式声明的时间窗口与引文截断】 → 【构造互补累积分布 N(>k)】 → 【在 log-log 上对每个 k 取局部斜率，窗口几何等距（如每十倍 8 个点）】 → 【画 斜率 vs log k，找平台；无平台即判定为 crossover，禁止报单一指数】 → 【有平台才做 CSN 的幂律/对数正态/指数似然比检验，并用自助法给指数置信区间】 → 终点【报出（指数, 平台区间, 截断, 样本量）四元组，而不是一个数】。

【显式】一个具体的量级感：自然语言的 Zipf 指数常被报成 1.0 左右。但 rank-frequency 图是互补累积分布，其斜率是 −(α−1)，不是 −α。所以「Zipf 指数 ≈ 1」翻译成密度指数是 α ≈ 2，而不是 α ≈ 1。这个 1 的错位在跨学科引用里传播得很广，而两个数的含义天差地别：α=2 是均值发散的分界（α>2 均值有限但方差发散，α≤2 连均值都发散），α=3 才是方差的分界。把 s 当 α 报，等于把「方差无限」说成了「均值无限」。

结尾问题：如果指数是跑动的，那么文献计量学里所有「某领域 α=2.7，另一领域 α=3.1，所以机制不同」的论断，是不是都在比较截断？反过来说——我们是不是该停止问「这个分布的指数是多少」，改问「这个分布的平台有多宽」？后者才是关于一个系统能记住多少尺度信息的、真正可迁移的物理量。