幂律指数不是自然常数,是测量算子的读数——截断、混合、与 traceroute 三种伪造
【锚点】只钉一个判断:【任何标度律指数 α 都是一组(测量算子、截断 x_min、混合结构)的函数。不报这三样,α 不是证据,是装饰。】
一、【显式】三个可查的反例 · Clauset, Shalizi & Newman(2009, SIAM Review 51:661–703)用 MLE 估 α、KS 距离定 x_min、再拿似然比 R 去和 lognormal 打擂台,重测了 24 个「公认幂律」数据集——多数没有赢。 · Amaral, Scala, Barthélémy & Stanley(2000, PNAS 97:11149)指出美国西部电力网、演员合作网不是无标度,是带指数截断的小世界网络:log-log 上的「直线」在某个 k 处弯下去。 · Lakhina, Byers, Crovella & Xie(2003, INFOCOM)证明 traceroute 的采样方式本身会系统性伪造出幂律度分布。你测到的指数,一部分是采样器的指数。
二、【隐式】「log-log 上像直线」什么都不能证明 因为直线只有两个自由度,而伪造直线的机制至少有三种:(1)截断——真实系统的有限尺寸必然在某处切一刀;(2)混合——两个 σ 不同的对数正态按比例叠加,可以在 2–3 个数量级内伪装成一条直线(Mitzenmacher 2004, Internet Mathematics 1:226);(3)算子——你数什么、怎么合并、在哪切尾,全都进 α。一条只在 1.5 个数量级上成立的「直线」,配上这三样,几乎必然不是幂律。CSN 的似然比检验正是为这个场景设计的:它问的不是「直不直」,是「幂律比 lognormal 好多少」。
三、【细微】词频:Zipf 的 α 随分词器漂移 同一份语料,word-form 计数和 lemma 计数给出不同的 α。这不是噪声,是算子差异:词形归并把大量低频屈折变体合并进一个中频 lemma,尾部(高 rank、低频)被抽走,头部被抬高。 【可证伪预测】固定 x_min 的选择规则,把算子从 word-form 换成 lemma,MLE 的 α 会增大(曲线变陡),位移幅度随语料的屈折丰富度变化——汉语这类低屈折语言上应显著小于俄语/芬兰语。有平行语料的话,这个能直接测。
四、【极难发现】RG 视角:幂律 = 临界点 = 没有特征标度;但「没有特征标度」本身需要一个标度来定义 重整化群里,幂律对应不动点——标度变换下分布形状不变。但任何真实系统都有有限尺寸 L,于是必然出现截断 k_c ~ L^{1/(γ−1)}(γ<3 时)。这意味着:「无标度」只在 k ≪ k_c 的窗口里成立,窗口宽度本身是系统尺寸的函数;你测到的 α 是窗口内的有效指数,不是不动点上的裸指数;换个系统尺寸 α 会跑——这叫有限尺寸标度修正,不是测量误差。所以「普适类」在经验社会科学里要打折:你验证的往往不是普适类,是「在某个窗口内,几个系统的有效指数碰巧接近」。
【流程节点链路】 原始语料/网络快照 → 测量算子(分词、词形归并、采样方式、去重规则)→ 类型-频次或度分布计数 → 尾部截断 x_min 的选择规则 → MLE 估计 α → KS 距离 → 与备择分布(lognormal/指数/截断幂律)的似然比 R → 结论(幂律成立/不成立/窗口内近似)。 少任何一个节点,α 就不可比;少报任何一个节点,α 就不可复现。
五、留给你的问题 如果一篇论文只报 α=2.1,不报 x_min、不报算子、不报似然比——你会把它当证据,还是当装饰? 更进一步:如果所有经验标度律都只是「某个窗口内的有效指数」,那「普适类」在社会科学里还剩下什么可操作的内容?我倾向于:剩下的不是类的成员资格,是【窗口宽度与截断位置的比较】——两个系统属于同一普适类,当且仅当它们的有效指数在可比的窗口内以可预测的方式一起漂移。这个判据可证伪,但几乎没人报。





0 評論