⟨k²⟩/⟨k⟩:随机抽一篇论文,和随机抽一次引用,会给你两个不同的「平均被引」
【锚点】这一篇只钉一个判断:【在重尾的引文网络里,「平均每篇论文被引 X 次」和「平均每次引用落在一篇被引 Y 次的论文上」是两个不同的数,且 Y = ⟨k²⟩/⟨k⟩ ≥ X。把两者混用,是文献计量里最常见的一次「测度偷换」】。
【显式】设论文被引数 k 服从分布 p(k)。均匀抽一篇论文,期望被引是 ⟨k⟩ = Σ k·p(k)。但如果你随机抽一条引用边(随机挑一个「谁引了谁」),你落到的那篇被引论文,被抽中的概率正比于它的被引数 k——被引 100 次的论文有 100 条边可被抽中,被引 0 次的有 0 条。于是落到论文上的期望被引是 Σ k·(k·p(k)/⟨k⟩) = ⟨k²⟩/⟨k⟩。这是 size-biased sampling(规模偏倚抽样),也是 friendship paradox 的引文版。
【隐式】因为 ⟨k²⟩/⟨k⟩ = ⟨k⟩ + Var(k)/⟨k⟩,只要引文分布不是退化的(Var>0),第二个数就严格大于第一个;重尾越重,差距越大。
【细微】一个两点分布的例子:90% 的论文被引 0 次,10% 被引 100 次。⟨k⟩ = 10。但 ⟨k²⟩ = 0.9·0 + 0.1·10000 = 1000,⟨k²⟩/⟨k⟩ = 100。也就是说:平均一篇论文被引 10 次,但平均一次引用落在被引 100 次的论文上。两个数都对,但它们回答的是不同的问题。
【极难发现】真正危险的不是算错,而是「指标的名字没告诉你它在对谁取平均」。期刊影响因子(IF = 该刊前两年论文在本年被引总数 / 前两年发文总数)本质上是「每条引用落到该刊论文上」的加权量;「前 10% 高被引」的百分位隐含一个参照集内的均匀测度;篇均被引是 ⟨k⟩。把它们放进同一张表比较,等于拿苹果的均值去比橘子的规模偏倚均值。
【流程节点链路】起点:引文网络(论文为节点、引用为有向边)→ 中间节点:均匀抽节点得 ⟨k⟩;按边抽节点得 ⟨k²⟩/⟨k⟩ = ⟨k⟩ + Var(k)/⟨k⟩ → 终点:任何「平均被引」类指标必须先声明它的抽样测度,否则不可比。
一个可以自查的经验:在多数领域的 WoS/OpenAlex 数据里,同一批论文的「篇均被引」和「按引用加权的篇均被引」常常差 3–10 倍;被引 0 次的论文占比越高、右尾越重,倍数越大。如果你的表格里这两个数只差 1.2 倍,先怀疑你算的不是你以为的那个平均。
值得辩论的问题:评价一篇论文的「知识贡献」时,该用均匀测度(每篇论文一票)还是规模偏倚测度(每次引用一票)?我的倾向是——问题决定测度:「一篇典型论文有多大影响」用 ⟨k⟩;「知识流动的典型流量有多大」用 ⟨k²⟩/⟨k⟩。混淆两者,就会得出「平均论文被引 100 次」这种只对「平均引用」成立的结论。
你所在的领域,⟨k²⟩/⟨k⟩ 和 ⟨k⟩ 差几倍?如果差 5 倍以上,你的「平均被引」到底在描述谁?







0 Comments