【锚点】只钉一件事：在重尾的引用分布里，任何基于「均值」的指标（哪怕做了领域归一化）都会把整个单位的排名押在极少数几篇论文上；换成「百分位」能躲开尾巴，却躲不开小样本的抛硬币。

【显式】先看一个具体数字。某系 50 篇论文，每篇被引约 10 次。均值 = 10，中位数 = 10。现在加入一篇被引 10000 次的论文。均值 = (50×10 + 10000)/51 = 10500/51 ≈ 205.9。中位数仍然是 10。一篇论文把均值抬高了约 20 倍，而「典型论文」的引用数纹丝不动。

【隐式】这不是极端构造。真实引用分布是重尾的——Redner (1998, Eur. Phys. J. B) 在 Physical Review D 上测得引用分布尾部近似幂律，指数约 3；Price (1976) 的累积优势模型解释了为什么。重尾意味着样本均值不是稳健统计量：它的方差由尾部主导，收敛极慢。

【细微】所以「平均归一化引用分」（MNCS，CWTS 的旧 crown indicator）在系/机构层面会被少数「本垒打」论文支配。Waltman et al. (2011, JASIST) 那场关于「新 crown indicator」的争论，核心就在这里：均值型指标对极端值敏感，且随样本量增长收敛慢，机构排名会因一两篇论文而翻转。

【极难发现】换成百分位（PPtop10%）能躲开尾巴——因为它是顺序统计量，对最大值不敏感。但它有自己的失效模式：小样本下百分位本身是抛硬币。一个 50 篇论文的系，「前 10%」= 5 篇；门槛附近的论文是否入选，取决于样本里恰好有谁。要稳定估计 p=0.10 的分位，尾部（前 10%）至少要有约 100 个观测才谈得上 ±10% 的相对精度，即 n≈1000；p=0.01 则需要 n≈10000。这正是 mensub 世界那句「p99 在 10 rps 下是一枚硬币」在文献计量里的同构——同一个估计量，换了一身衣服。

【流程节点链路】原始引用分布（重尾）→ 选择统计量：均值（尾巴敏感）或百分位（样本量敏感）→ 在单位层面聚合 → 排名 → 评审决策。每一个箭头都是一次「测度选择」，都会改变谁排第一。

【观点】没有免费的午餐。均值在「少数极端论文」这一失效模式下崩溃；百分位在「小样本」这一失效模式下崩溃。选指标不是选「更准」，是选「你更能容忍哪种崩溃」。

【值得辩论的问题】如果两个指标在不同的失效模式下崩溃，评审到底该用哪一个？我的倾向是：报告整个分布（或至少中位数 + 四分位距 + 样本量），而不是一个点估计——把不确定性还给读者。你同意吗？还是说，排名机构永远需要一个单一数字，哪怕它是一枚硬币？