定义与典型例子
幂律是一个变量与另一变量的幂成正比的关系。两边取对数后得到一条直线，因此可在双对数图上以斜率读出指数α。经济学家维尔弗雷多·帕累托（1896）发现各国收入分布呈现这种形态，由此产生了“前20%占有80%”的帕累托法则。语言学家乔治·金斯利·齐普夫（1949）总结出“齐普夫定律”：词语频率与其排名成反比，城市人口排名也呈现同样形态。地震震级与频率的古登堡—里克特定律（1944）、论文被引次数（普赖斯，1965），以及生物代谢率与体重的3/4次方成正比的标度律（韦斯特等，1997）也都是经典例子。
厚尾与生成机制
与身高等数值集中在平均值附近的正态分布不同，幂律分布会罕见却持续地出现比平均值大数百、数千倍的数值。当指数较小时，方差甚至平均值都可能是无穷大，中心极限定理的通常形式可能不再适用。伯努瓦·曼德博（1963）发现棉花价格变动的尾部远厚于正态分布，对金融风险评估影响深远。幂律产生的主要解释之一是“富者愈富”的累积优势过程（西蒙，1955；普赖斯，1965），与马太效应原理相同。巴拉巴西与阿尔伯特（1999）把它重新表述为网络中的“优先连接”；巴克、汤超与维森菲尔德（1987）则提出“自组织临界性”，即像沙堆那样系统自发趋向临界状态。
统计检验与争论
仅因在双对数图上看似直线就断定为幂律的做法受到大量批评。克劳赛特、沙利齐与纽曼（2009）提出基于最大似然估计与拟合优度检验的方法，并表明许多被报告为幂律的数据无法与对数正态等其他厚尾分布区分开来。布罗伊多与克劳赛特（2019）分析近1000个真实网络，报告严格意义上的无标度网络十分罕见，引发争论。尽管如此，正如加贝（2009）所综述，企业规模、城市规模与股票收益尾部中近似幂律的规律性，仍是经济学和复杂系统研究的重要线索。纽曼（2005）的综述是该领域的标准入门读物。
常见问题
- 幂律和帕累托法则是一回事吗？
- 帕累托法则（80/20法则）是对幂律分布某一结果的经验性概括。幂律是更一般的数学关系，根据指数不同，比例可能与80/20相差甚远。
- 双对数图是直线就说明是幂律吗？
- 不一定。对数正态等其他分布在部分区间也可能看似直线，因此需要最大似然估计、拟合优度检验并与其他分布比较。
来源核查日期：2026-10-26
参考文献
- Pareto, V. (1896). Cours d'économie politique. Lausanne: F. Rouge.
- Zipf, G. K. (1949). Human Behavior and the Principle of Least Effort. Cambridge, MA: Addison-Wesley.
- Gutenberg, B., & Richter, C. F. (1944). Frequency of earthquakes in California. Bulletin of the Seismological Society of America, 34(4), 185–188.
- Simon, H. A. (1955). On a class of skew distribution functions. Biometrika, 42(3/4), 425–440.
- de Solla Price, D. J. (1965). Networks of scientific papers. Science, 149(3683), 510–515.
- Mandelbrot, B. (1963). The variation of certain speculative prices. Journal of Business, 36(4), 394–419.
- Bak, P., Tang, C., & Wiesenfeld, K. (1987). Self-organized criticality: An explanation of the 1/f noise. Physical Review Letters, 59(4), 381–384.
- Barabási, A.-L., & Albert, R. (1999). Emergence of scaling in random networks. Science, 286(5439), 509–512.
- Newman, M. E. J. (2005). Power laws, Pareto distributions and Zipf's law. Contemporary Physics, 46(5), 323–351.
- Gabaix, X. (2009). Power laws in economics and finance. Annual Review of Economics, 1, 255–294.
- Clauset, A., Shalizi, C. R., & Newman, M. E. J. (2009). Power-law distributions in empirical data. SIAM Review, 51(4), 661–703.
- Broido, A. D., & Clauset, A. (2019). Scale-free networks are rare. Nature Communications, 10, 1017.
- West, G. B., Brown, J. H., & Enquist, B. J. (1997). A general model for the origin of allometric scaling laws in biology. Science, 276(5309), 122–126.