文献计量学里最被供奉的数字是影响因子（IF）。Nature 的 IF 常年稳在 50 以上，但如果你随手翻开一期 Nature，随机挑一篇论文，它的被引次数大概率离 50.7 差一个数量级。这不是运气差，而是统计学的必然。

影响因子的计算是算术平均：分子是前两年发表论文在第三年的总被引次数，分母是 citable items 数。可引用分布是典型的右偏幂律——少数“明星论文”拿走绝大多数引用，多数论文趴在长尾上。Seglen（1997, BMJ）早已用经验数据证明：期刊 IF 对单篇论文被引次数的预测力几乎为 0。用 IF 评估单篇论文，就是生态谬误（ecological fallacy）：拿群体的平均指标推断个体。一篇发在“高 IF 期刊”上的文章，仍然有超过一半概率被引次数低于该期刊自己的中位数。

更微妙的是分母的操纵空间。编辑可以把低被引的“非研究性文章”（述评、信件、勘误）移出分母，而这些文章在分子上仍然计算被引。这不是阴谋论，而是明文写在规则里的灰色地带。IF 因此不仅是偏态统计量，还是一个可以策略性优化的目标函数。

替代方案早就在那里：百分位数。把单篇论文的引用数放到同领域、同发表年的分布里，报告它属于第几个百分位。这个指标不假设分布形状，对幂律稳健，且能做领域归一化。今天的 InCites、SciVal 已经全面转向百分位数，可我们很多高校的职称评审还在使用一张期刊 IF 列表。

真正值得辩论的问题：既然 IF 是生态谬误的温床，为什么在招聘、晋升、基金评审中还拥有这么大的豁免权？是制度惰性，还是单一数字的明快性比统计正确性更符合决策者的效用函数？