前几年Barabasi发表了一篇论文，讲的是爱因斯坦和达尔文的信件的回信延迟时间的幂律分布，此后世界上多个小组开始使用email延迟数据等跟进人类行为的研究，barabasi在文章中提出仅仅由于个人行为活动的“优先顺序”（先回重要的信件）就可以导致幂律分布（很像优先增长规则，不是么），但是此后的一些论文指出，其他一些行为特征也能导致幂律分布，另外，还有论文分析的另一些类似数据认为泊松分布能更好地拟合数据。

在社会统计学里有一件事叫做“生态学谬误”，讲的是个体行为加总成总体行为时的估计偏误，什么意思呢，就是说在个体层次上完全是白噪声的东西，加总起来后，在某项研究数据成了一种特征分布。我昨天晚上和香港城市大学的导师Z见了一面，同时在场的还有主持密歇根大学社会与统计系的X，今天他们两个在中国传媒大学发表“相互对立的演讲”，X的主题是如何消除估计偏误（没看到实际报告，我估计的），Z的主题则是“涌现”对X主题的挑战。

这是非常有意思的。因为Z小组在follow barabasi的研究时发现，事情不像barabsai像的那么简单，幂律虽然在大规模网民行为中出现了，但对每个个体做研究，却大部分都没有幂律分布。那么按照经典的社会统计思想，这种加总出现的幂律就是个“生态学谬误”，因为在个体层次上是无法得到解释的，与白噪声导致的错误加总趋势没什么区别，但是Z不这么看（我很高兴他不这么看，否则我的博士三年就要郁闷了），认为这后面有一种可以“涌现”的机制，虽然目前还不清楚这个过程是如何发生的，但一定是个有意义的结果（在该项研究之前，他对SFI的东西并不熟，实际上，大部分的社会科学学者，都听说过SFI，但究竟SFI做了什么，没有几个搞得很清楚的，现在的社会科学的范式大部分还是还原论和经典统计的天下）。而且，这种结果对经典的社会统计思想及其死板的应对措施分层线性统计模型等还原论式的技术解决手段（这些经典统计模型就是我这三年学的东西，转瞬就没用了，唉----）提出了需要我们重视的挑战。