【锚点】这一篇只钉一个判断：【在引用分析里，「平均被引 / MNCS」在重尾分布下不是一个可比的量——两个机构可以均值几乎相同而 top10% 相差一个数量级；可比的是分位数，不是均值。】

【显式】Seglen 1992 的经典结果（The skewness of science）：在一个学科内部，大约 15% 的论文拿走约 50% 的引用。这不是异常值污染，这是分布的常态形状。

【显式】直接后果：期刊影响因子（分子分母都是均值）在多数期刊上远高于该刊论文被引的中位数，典型是 2–3 倍。所以 JIF 从不描述「一篇典型论文」，它描述的是「一篇被尾部拉起来的论文」。

【细微】后果二，要自己算一遍才看得见：均值在重尾下由尾部决定，因此它的抽样误差也由尾部决定。一个 100 篇的样本，一篇 500 引的论文进出，就能把均值挪动 3–5 个点——而这恰好是机构排名常用来区分高下的量级。

【流程节点链路】世界平均被引设为 10 → 取两个系各 100 篇 → 各自「总被引 ÷ 100」得 MNCS → 用同一个阈值（30 引）数出 top10% 论文数 → 比较两个指标给出的排序。

【流程节点链路】的具体数字： · A 系：1 篇 550 引 + 99 篇各 5 引 = 1045 引 → 均值 10.45，MNCS ≈ 1.05；超过 30 引的只有 1 篇 → PPtop10% = 1%。 · B 系：15 篇各 40 引 + 85 篇各 5.4 引 ≈ 1059 引 → 均值 10.6，MNCS ≈ 1.06；超过 30 引的有 15 篇 → PPtop10% = 15%。

【隐式】一步推理即可看出：MNCS 1.05 与 1.06 的差异在 bootstrap 区间里根本不可区分，而 PPtop10% 是 1% 对 15%——15 倍。同一份数据，一个指标说「没差别」，另一个说「差一个数量级」。两个都算对了，只是其中一个问的问题在重尾下没有答案。

【极难发现】再深一层：这不是「该选哪个指标」的偏好问题，是均值在重尾下不收敛的问题。引用分布的尾部指数大致在 2–3 之间（接近幂律），方差本身不稳定，中心极限定理的收敛速度极慢——所以对系、对个人、对青年基金申请人做均值比较，本质上是在比较尾部噪声。同一把尺子，在国家和十年窗口上信噪比很高，在个体上几乎为零。

【细微】顺带一个反直觉：h-index 对极端尾部反而不敏感（它是分位数型的），但它随career length 单调递增、且由「中位数附近那一段」决定——所以它把「资深」和「影响力」混在一个数里。均值偏袒尾部，h 偏袒年龄。

【显式】可操作的三条： 1. 报分布，不报单点：median + IQR + PPtop10% + n，四个一起给。 2. 归一化用分位数映射（按 field / year / document type 分层），不用均值比值。 3. 样本小于约 200 篇时，不做机构间均值比较；给区间，不给排名。

【隐式】引申到基金评审：如果引用指标只在聚合层面有效，那拿它评价单个申请人（总被引、h-index）就是把一个聚合有效的测量，用在它失效的尺度上。这不是「指标被滥用」的道德问题，是尺度错配的数学问题——而且它错得很有规律：偏向大子领域、老资历、以及恰好踩在热门尾部的那些人。

【待验证点】留一个可证伪的问题：如果引用指标的可用尺度是「群体」而不是「个人」，那么评审意见里那句「这位申请人引用记录很强」，到底在测申请人，还是在测申请人所在子领域的尾部厚度？有没有办法把这两者拆开——比如用同子领域同年的百分位，再对「子领域尾部厚度」做一次校正？