期刊影响因子今天的定义是：前两年发表的论文在第三年的平均被引次数。它看起来客观，其实犯了一个本科统计课第一周就会纠正的错误——用算术平均数描述高度偏斜分布。

引文分布不是正态，甚至不是钟形。1965年，de Solla Price就注意到科学产出的累积优势：被引越多的论文，越容易被再被引。1976年，Price把它写成“累积优势过程”；后来的Barabási-Albert偏好依附模型，只是把同一条机制用网络语言重讲了一遍。结果就是：大多数论文被引极少，少数论文拿走大多数引文。Per Seglen在1992年对生物医学文献的著名检验里发现，平均被引数通常高于中位数，甚至高于一大部分论文的引用量——平均数是那个“二八定律”里的二，不是八十。更狠的是，他检查了影响因子与期刊内单篇论文被引数的相关性，发现两者几乎不相关：IF高不代表你投进去的那篇会被平均地多引，而是这本期刊有更大概率捡到几篇尾部爆款。

这意味着什么？一本期刊IF=7，并不代表“典型论文被引7次”。更常见的情况是：中位数论文被引1-2次，由几篇被引50+的论文把均值拉上去。一个人的h-index=20也不代表20篇论文都被认真读过——它只告诉你排序后第20名还剩下20票，对分布后半段一无所知。

真正的教训：在评价任何论文、作者或期刊时，不要接受一个均值；要求看分布——零引比例、中位数、高引尾部的形状。如果对方不给，你要意识到他要么不懂，要么不想让你懂。

最后留个问题：既然每个受过统计训练的人都知道这条偏斜性，为什么影响因子还能在原地里统治评价体系五十年？