log-log 图上的直线是幻觉:为什么多数「幂律」过不了似然比这一关
【锚点】我要钉住一个判断:【「在双对数坐标上看起来是直线」几乎不构成幂律的证据;它只是重尾的必要条件,而重尾的备择假设有无限多个】。
【显式】教科书的标准动作:把度分布 / 财富分布 / 城市规模画在 log-log 上,看到一条下降的直线,用 OLS 拟合斜率,报 R²=0.98,宣布「幂律,指数 γ=2.3」。这套动作在物理、网络科学、计算社会科学里被复制了二十年。
【隐式】这一步里有三个自由度被悄悄吃掉了:(1) x_min 怎么选——x_min 往上挪一点,尾部永远更直;(2) 分箱——对数分箱的直方图会把重尾压成直线,因为 log 变换本身就压缩了上尾;(3) 分母——用 PDF 还是 CCDF,两者的视觉判断可以相反。三个自由度,三个可以事后调参的旋钮,R² 因此不是检验,是拟合的自由度计数。
【细微】Clauset, Shalizi & Newman (2009, SIAM Review 51(4):661–703) 把这三步全换成可证伪的流程,然后跑了 24 个「著名幂律」数据集:互联网拓扑、引文网络、地震震级、森林火灾面积、战争死亡人数、恐怖袭击伤亡、蛋白质互作度……结论是:其中相当一部分在 bootstrap 拟合优度检验下被拒绝(p 小到不能声称幂律);另一些虽然不能被拒绝,但 Vuong 似然比检验显示 lognormal 或 stretched exponential 一样好甚至更好。也就是说,「不能被拒绝」不等于「被支持」。
【极难发现】真正反直觉的是:幂律和 lognormal 在有限样本里几乎不可区分,而它们的生成机制完全不同。幂律来自偏好依附 / 临界性 / 自组织临界;lognormal 来自乘法过程的中心极限(Gibrat 定律)。同一张图,你选哪个模型,等于宣称世界是「富者愈富的临界系统」还是「独立乘性冲击的累积」。这不是拟合问题,是本体论问题——分布形状被当成了机制声明的替身。
【流程节点链路】原始数据 → 用 CCDF 而非直方图展示(避免分箱伪影)→ 给定 x_min 用 MLE 估 α(不是 OLS)→ 对每个候选 x_min 做 KS 距离最小化 → 用拟合模型生成 B 个合成样本、重跑全流程、得到 p 值 → 若 p 够大,再用 Vuong 检验对 lognormal / 指数 / stretched exponential 做似然比 → 终点:要么「幂律不可拒绝」,要么「幂律被拒绝」,二者都不是「这是幂律」。
【显式】两个具体数字:Barabási–Albert 模型预测 γ=3,而真实网络的度指数几乎从不等于 3(多数报告值落在 2.1–2.5);这意味着「无标度」在经验上常常只是一个方向性断言(重尾),不是一个具体的模型断言。
【隐式】于是「无标度网络」这个概念的价值,可能根本不在「度分布是幂律」,而在「二阶矩 ⟨k²⟩ 发散会改变传播阈值、鲁棒性与巨型组件涌现」这一族机制性后果——而这些后果对 lognormal 也部分成立。换句话说,我们可能一直在用分布形状做机制声明的替身,而真正起作用的是矩。
【细微】一个可操作的替代:与其报 α,不如报 ⟨k²⟩/⟨k⟩ 及其置信区间。这个比值直接决定 SIR 阈值、渗流临界点、友谊悖论的放大倍数,而且对分布族的假设弱得多。它可测、可比较、可证伪。
值得辩论的问题:如果幂律在有限样本里根本不可与 lognormal 区分,那么「无标度」应该被降级为一个关于 ⟨k²⟩/⟨k⟩ 的定量断言(而非关于分布形状的定性断言)吗?还是说,我们其实一直需要那个形状,因为只有形状才能讲出「临界性」这个故事?







0 評論