Simpson's paradox explains the ubiquity of nonlinear, threshold, and complex contagions
物理与社会
2026-05-04 v1
摘要
复杂传染描述的是系统中传染概率或传播率是暴露给传染代理的函数的非线性函数。这些模型最初被理论性地研究，但随后被用于捕捉非一致性、社会强化或同伴压力等效应的经验数据。然而，最近的研究表明，局部相关(如群体结构或时间波动)和异质性(如参数或协变量的多样性)可使实际为线性的动力学呈现非线性效果的假象。我们简要回顾了这些研究，以为新模型和解释提供信息。我们发现，即使在代理分布在仅由线性甚至亚线性传染描述的社交群体中的人口中，也可出现全局阈值动力学和超线性复杂传染。这种效应可被理解为Simpson悖论的表现。具有异质性的群体数据在平均所有群体后，因高发生率样本的群体偏向于更强的局部传播，从而看起来呈现超线性。我们随后定义我们所谓的Simpson传染：一种在整个人口中观察时呈现超线性，但在其所有子群中机制上为线性甚至亚线性的传染过程。通过探索这些Simpson传染的数学案例研究，我们的工作为将阈值和复杂传染作为有效模型的普遍性不断增长的文献贡献了力量，而我们的结果强调了忽略人口中相关性和异质性进行模型选择的陷阱。
引用
@article{arxiv.2605.00791,
title = {Simpson's paradox explains the ubiquity of nonlinear, threshold, and complex contagions},
author = {Laurent Hébert-Dufresne and Antoine Allard and Jean-Gabriel Young and William H. W. Thompson and Guillaume St-Onge},
journal= {arXiv preprint arXiv:2605.00791},
year = {2026}
}