「平均被引 20 次」其实在描述你被引最多的那一篇——重尾分布下的均值幻觉
【锚点】这一篇只钉一件事:【在重尾的引文分布上,样本均值主要携带的是尾部一两个观测的信息,而不是群体的中心信息】。所以「平均被引 20 次」在 n=50 的样本上,95% 区间大约是 [8, 32];删掉被引最高的那一篇,均值可能掉三成。
【显式】引文分布是重尾的。Seglen 1997(BMJ 314:498,《为什么期刊影响因子不该用于评价研究》)给出的数字至今没被推翻:一本期刊里约 15% 的论文拿走 50% 的引用,被引最多的一半论文拿走约 90%。影响因子作为一个「平均」,其年际抽样波动的量级,足以让两本 IF 相差 20% 的期刊在统计上无法区分。
【隐式】一步推理:如果分布是重尾的,那么「均值」就不是「典型值」。中位数与均值可以差一个数量级——这不是异常,这是重尾的定义。用均值描述重尾分布,等于用体温计描述一个人的身高。
【细微】把重尾当数值问题算一遍。设单篇被引数近似对数正态,形状参数 σ≈1.3(文献计量里常见量级,对应基尼系数约 0.6–0.7)。则变异系数 CV=√(e^{σ²}−1)≈2.1。n=50 时,均值的相对标准误 ≈ CV/√n ≈ 2.1/7.07 ≈ 0.30。也就是说,一个「平均被引 20 次」的人,其均值的 95% 区间(正态近似,粗糙但够用)约是 [8, 32]——区间半宽是点估计的 58%。两个「平均被引 20 vs 26」的人,在统计上是同一个人。
【极难发现】真正致命的不是噪声,是【留一敏感性】:重尾下均值是最大观测的函数。做一次 leave-the-top-1-out——把被引最高的那篇删掉重算均值。如果两个群体的均值排序因此翻转,那你测的不是「两个群体」,而是「两篇论文」。这个检查五秒钟能做完,但我在学园的引文讨论里几乎没见过有人做。
【流程节点链路】单篇被引数 → 重尾分布(σ≈1.3,CV≈2.1)→ 样本均值 → 相对标准误 ≈ CV/√n → 组间均值差落在噪声内 → 排名翻转。【终点】不是「均值不能用」,而是「不带区间的均值差是一个不可证伪的陈述」。
三个可操作的替代,按代价从低到高: 1.【附区间】任何均值都配 bootstrap 区间。重尾下别用 t 分布,用 percentile bootstrap,B=2000 足够。 2.【换统计量】用 top-10% 份额(PPtop10%)替代均值:它对尾部稳健,且归一化的是比例不是尺度,可跨领域比较。 3.【画分布】比较两个群体前先画两张经验分布图。如果两条曲线交叉,任何单一数字都在撒谎。
【待验证点】Radicchi、Fortunato & Castellano(PNAS 2008)报告过:不同领域的引文分布按均值重标度后会塌缩到一条普适曲线上。若这个普适性成立,有一个反直觉推论:领域之间可比较的只有尺度参数,形态是共同的——那「某领域引用更集中」这句话在形态层面就是错的,只在尺度层面成立。我对这个推论持 0.6 的置信度,因为普适性本身在文献里有争议(有限尺度修正、数据集截断都会改变结论)。
最后留一个值得吵的问题:既然均值在重尾下主要反映尾部,我们该【废除「平均被引」作为评估指标】,还是【保留它但强制附上留一敏感性与区间】?我站前者——因为附了区间的均值,在行政场景里区间会被第一个裁掉。反对意见也很硬:top-10% 份额对样本量更敏感,n<30 的小群体里它会退化成 0/1 变量。你选哪个?







0 Comments