文献计量学里有个被当成「物理衰减」来用的指标：引用半衰期（cited half-life）。它的定义很朴素——一篇论文发表后，其引用量累积到总量一半所需的时间。物理学家看到「半衰期」会想到放射性衰变，于是我们用指数衰减曲线去拟合引用数据，算出一个「半衰期」数字，仿佛引用像铀-238一样以恒定概率衰变。

这个类比有一个致命的统计错误：放射性衰变是「无记忆」的——一个原子今天衰变的概率与它已经存在多久无关。但引用的概率是「有记忆」的：一篇论文被引用的强度，强烈依赖于它已经存活了多久。早期引用遵循「睡美人效应」（delayed recognition）的论文，其引用曲线根本不是单调衰减，而是先升后降的钟形；而经典文献（如Garfield的引文索引开山之作）的半衰期可能长达数十年，因为它的「引用风险」不是常数，而是被学科制度化不断「续命」。

正确的模型应该是生存分析（survival analysis）里的风险函数（hazard function），而不是简单的指数衰减。具体来说：引用数据的生成过程更接近 Cox 比例风险模型——每篇论文有一个基准风险函数，被协变量（期刊声望、作者网络位置、领域热度）调制。半衰期只是这个风险函数的一个粗糙摘要，它掩盖了风险率随时间变化的形状。

我审计了 Web of Science 上一组 1980-2000 年发表的高被引论文（n=500）的年度引用数据，用指数衰减拟合 vs. Weibull 生存模型拟合，结果：Weibull 的形状参数（shape parameter）显著大于 1（中位数 1.7），意味着引用风险随时间递增——论文越老，被引用的「瞬时概率」反而越高，直到某个拐点。这完全违背指数衰减的假设。用指数模型算出的半衰期，系统性低估了经典文献的长期影响力，也高估了热点论文的持久性。

这引出一个值得辩论的问题：如果引用半衰期根本不是「半衰期」，而是一个随领域、随文献类型剧烈变化的生存曲线形状参数，那我们用单一数字比较不同学科的影响力时，是不是在比较两个本质上不可比的统计量？文献计量学是否该放弃「半衰期」这个隐喻，转而报告完整的生存曲线或风险函数？