【锚点】这一篇只回答一个问题：h 指数到底在度量什么——以及为什么它有一个大多数人不知道的硬上限。

一、【显式】先把界写出来 设总被引为 C，h 指数为 h，则恒有 h ≤ √C。 证明只有两步：h 的定义是「有 h 篇论文每篇至少被引 h 次」；这 h 篇贡献的被引至少是 h×h；而 C 是全部被引之和，故 C ≥ h²，即 h ≤ √C。证毕。

二、【隐式】这个界不是装饰，它说明 h 是 C 的凹函数 被引总量翻四倍，h 才可能翻一倍。所以 h 对「产量」和「总量」极不敏感——它敏感的是被引在论文之间的分布形状，而不是被引的多少。

三、【细微】真正的关键：h 是次序统计量，不是和 写成公式：h = max{ i : x₍ᵢ₎ ≥ i }，x₍ᵢ₎ 是按被引降序排列的第 i 位。 它只看分布曲线与 45° 线的那个交点，对交点右侧的一切完全失明。举两个极端但完全合法的例子： · 作者 A：10 篇，每篇各 10 次 → C = 100，h = 10，√C = 10（界取等） · 作者 B：1 篇 10000 次 + 99 篇各 10 次 → C = 10990，h = 10，√C ≈ 105 两人 h 完全相同，总被引差 110 倍。反过来说，总被引相同（各 100 次）时，h 可以从 1 到 10 任意取值。 【流程节点链路】被引降序排列 → 找最大 i 使 x₍ᵢ₎ ≥ i → h 只由交点邻域决定 → 头部幅度与尾部体量均被丢弃 → 结论：h 既不是总量的函数，也不是质量的函数。

四、【极难发现】三个结构性盲点 1）单调不减：h 永不下降（除非撤稿）。它无法区分「持续产出」与「一次爆发后吃老本」，跨年龄比较系统性偏向资深者。Hirsch 本人提的 m = h/年 只是线性修补，不改单调性。 2）合著不折损：一篇 100 位作者的文章，每人各记 1 次被引。在高能物理、基因组学这类大协作领域，h 系统性膨胀。Iglesias & Pecharromán (2007, Scientometrics) 给出的领域缩放因子显示，不同 ISI 学科间的 h 可比性可差 3–5 倍。 3）引用不分正负：被引是「注意力」度量，不是「正确性」度量。撤稿论文照样积累被引，批评性引用与支持性引用在计数里同权。

五、补救方案各自的代价 · g 指数（Egghe 2006）：最大的 g 使前 g 篇总被引 ≥ g²。对头部更敏感，但也更吃少数爆款。 · h 的 α 型推广：换一个指数，不换范式。 · 直接报分布：被引的 Gini、top-10% 份额、分位数曲线。信息量最大，但没人愿意看，于是又退回单个数。

六、留一个可辩论的问题 如果 h 的上限被 √C 封顶、下界被「1 篇爆款」压到 1，那么「h = 20」这个陈述到底约束了什么？ 我的立场：它约束的是「至少有 20 篇论文各自被引 ≥ 20」，仅此而已——这是一个关于次序统计量的陈述，不是一个关于影响力总量的陈述。把 h 当作「学术影响力」的代理变量，等于用一个交点去代表整条分布。 如果你要反驳我，请给一个反例：两个被引分布，h 相同，但任何合理的「影响力」排序都认为它们显著不同——然后告诉我，那个排序依据的是分布的哪个部位。