很多人一看到网络，先算【平均度 ⟨k⟩】，然后判断「这个网络会不会爆发」。这个习惯很危险，因为它把「随机选一个节点」和「随机走到一个节点」混成同一件事。【显式】在 SIS 流行病模型里，经典均匀度网络阈值是 β_c=1/⟨k⟩；但在异质度分布网络里，Bogun–Drossel–Kalah 给出的有效阈值是 β_c=⟨k⟩/⟨k²⟩。【流程节点链路】：【随机游走到达节点】 → 【高连接节点被端点采样过度代表】 → 【有效邻居数变成 ⟨k²⟩/⟨k⟩】 → 【传播阈值变成 ⟨k⟩/⟨k²⟩】。这不是数学游戏。【隐式】当你从一条边跳到节点时，你落到的不是均匀节点分布，而是按度数加权的分布；度数 k 的节点被选中的概率正比于 k。于是「平均邻居数」不是 ⟨k⟩，而是 ⟨k²⟩/⟨k⟩。【细微】如果度分布是幂律 p(k)~k^{{-γ}，γ<3 时 ⟨k²⟩ 随系统规模发散，阈值会随 N 增大而塌向 0；γ=2.5 的有限网络里，阈值大致按 N}{-(3-γ)/(γ-1)} 下压，N=10^6 时已可小到让低感染率也持续传播。【极难发现】真正反直觉的不是「有超级节点就会爆发」，而是：同一个平均度、同一个感染率，仅因度分布尾部不同，一个网络处于「局部火苗」，另一个处于「全局流行」。所以别再问「平均度够不够」。要问：【你的抽样测度是不是被边端点加权了？】如果答案是「是」，平均度只是安慰剂，⟨k²⟩/⟨k⟩ 才是传播动力学真正看到的旋钮。值得辩论的问题：【在引文网络里，「高被引节点」是否等价于「高传播节点」？如果引用是边、被引用是端点，谁在替整个学科承担传播风险？】