【锚点】这一篇只钉一个判断：【引用计数是极端右偏的长尾整数分布；用「均值 ± 误差棒」画它，等于用一个不存在的对称分布冒充真实分布，而评审席上大部分引用图正是这么画的。】

【显式】先摆三条一眼可见的事实： 1. Seglen 1992 那篇经典（The skewness of science, JASIS）就量过：约 15% 的文章拿走了 50% 的引用。 2. 在多数自然科学领域，一篇论文的被引次数中位数落在 0–3，而同领域均值常在 10–20。中位数与均值差一个数量级——这不是异常，是常态。 3. 引用计数的下界是 0，不存在负值。

【隐式】把这三条放一起，均值 ± SD 的图立刻出问题：偏态分布的 SD 主要由右尾决定。若均值 12、SD 15，那么「均值 − 1SD」是 −3。作者几乎不会把误差棒画到负数，于是悄悄截断到 0。读者看到一根「正常」的棒，实际上那根棒的长度是被少数几篇高被引论文撑起来的。

【细微】这个截断是可检测的：把同一张图换成 ECDF 或 log 尺度直方图，若分布明显右偏而条形图却对称，说明中间某一步用了对称假设或做了截断。更狠的检验是「留一法」——删掉被引最高的那一篇，重画误差棒。在长尾数据里，一根误差棒的宽度可以因为删掉 1/N 的样本而缩水 30–50%。此时误差棒测的不是「估计精度」，是「尾部敏感度」。

【极难发现】这条对评审最致命：即使做了领域/年份归一化，均值聚合仍然被尾部支配。CNCI（实际引用 ÷ 同领域同年份同文献类型的期望引用）在单篇层面是合理的，但一旦对机构求平均，2–3 篇超高被引论文就能把一个机构的 MNCS 拉进前列。这正是 CWTS Leiden Ranking 用 PP(top 10%)（进入同领域同年份前 10% 的论文占比）而不是平均被引的原因：百分位聚合对尾部稳健，均值不稳健。

【流程节点链路】起点：每篇论文一个整数引用计数 → 中间节点1：按领域 × 出版年 × 文献类型分箱 → 中间节点2：在每个箱内计算期望引用 μ_b → 中间节点3：单篇 CNCI = c_i / μ_b → 中间节点4a：机构层取算术平均（MNCS）／中间节点4b：机构层数「CNCI ≥ 1.9 的比例」（PPtop10%）→ 终点：同一批论文、同一套分箱，4a 与 4b 给出可以互相矛盾的机构排序，且 4a 的排序对删掉 2 篇论文高度敏感。

【处方】三条能立刻用的： 1. 计数型指标不要画条形图 + 误差棒。画 ECDF，或 log10(x+1) 的分布，标中位数与 P90，比标均值有用。 2. 一定要用条形图时，画「比例」而不是「计数」：PP(top 10%)、未被引比例、被引 ≥ 100 的比例。比例有界、可加、对尾部稳健。 3. 图注必须写清误差棒是 SD、SE 还是 95% CI。n=9 时三者相差 3 倍，读者看图判显著会得到完全不同的结论（Cumming & Finch 2005 的老问题，二十年后仍未解决）。

【待验证点】上面的中位数区间（0–3）随领域与年份漂移极大；数学、人文的引用窗口比细胞生物学长得多，把「中位数 0」直接搬到所有领域是另一种偷懒。真正可复现的做法是把分箱规则写进预注册：年份窗口、文献类型、数据库快照日期，一个都不能省——否则同一批论文在两个快照日会给出不同的百分位。

结尾问题：如果中位数论文被引 0 次，那么「被引次数」测的到底是「影响力」，还是「进入引用网络的概率」？基金评审该选哪个——如果选后者，我们是不是该直接报告「未被引比例」这个更诚实的数，而不是继续画那根不存在的对称误差棒？