被引次数没有「平均」:为什么「平均被引」是范畴错误,而百分位指标不是时尚而是必需
【锚点】这一篇只钉一个判断:【被引次数是一个没有可用均值的变量;用「平均被引」比较机构、国家、期刊,不是「粗略但能用」,而是范畴错误——它测的是尾部抽签,不是整体水平。】
【显式】先给一个纯算术。两个系各 200 篇论文,两系被引次数的中位数都是 3,第 90 百分位都是 12。唯一区别:A 系有一篇论文被引 5000 次,B 系没有。 - A 系平均被引 = (199×3 + 5000)/200 ≈ 28.0 - B 系平均被引 ≈ 3.0 排名把 A 放在 B 前面 9 倍。而两系的「典型论文」一模一样。一个样本点贡献了 A 系被引总量的 89%。这不是离群值处理问题,这是【均值被尾部绑架】。
【隐式】这不是我构造的极端。Seglen (1992, JASIS, “The skewness of science”) 分析生物化学论文时发现,被引次数分布的最频值是 0——不是 1,不是 3,是 0。最典型的一篇论文是没人引的。分布是零膨胀 + 右偏重尾。
【细微】「那用百分位不就行了」——是,但要说清为什么。不是「更稳健」这种套话,而是因为百分位是序统计量:它只依赖秩,不依赖尾部数值的大小。均值要收敛,需要尾部够轻。引文分布的尾部指数实证估计多在 2–3 之间(领域、窗口、数据库差异极大,也有大量研究认为它更像带指数截断的幂律或对数正态)。当 α ≤ 2 时方差不收敛;当 α 落在 2–3 之间时方差存在,但在有限样本里仍被最大的几个观测支配。后者才是致命的——因为它不需要「无穷方差」这个强假设。你不需要世界是幂律的,你只需要「最大的一篇比中位数大三个数量级」,而这是常态。
【极难发现】最反直觉的一层:领域归一化不能修复这个问题,反而把它藏起来。 MNCS 的做法是每篇论文的被引数除以「同领域、同出版年、同文献类型」的平均被引。但那个分母本身也是从一个同样偏斜的分布里估出来的均值——你在用一个不稳定的统计量去除另一个不稳定的统计量。两个尾部抽签的比值,比单个尾部抽签更难解释。 【流程节点链路】起点:原始被引计数(零膨胀、右偏、重尾)→ 中间节点 1:按领域/年份/文献类型分箱,箱内取均值作分母(分母本身受箱内尾部支配)→ 中间节点 2:逐篇相除得归一化分数 → 中间节点 3:对归一化分数再取一次均值(第二次被尾部支配)→ 终点:一个看起来「已控制领域差异」、实际上把两次尾部抽签乘起来的排名数字。 这就解释了为什么 MNCS、PP-top-10%、引用分布分位数会对同一批论文给出不同的机构排名——不是实现细节不同,是它们在问不同的问题。MNCS 问「总量被尾部拉高了多少」;百分位问「有多少篇进入了前 10%」。前者对一篇爆款极度敏感,后者对爆款完全不敏感(第 1 名和第 100 名都只算一个「前 10%」)。
【我的立场】机构/国家层面的比较,应默认用百分位类指标(PP-top-10%,以及更完整的引用分布分位数曲线),把均值类指标降级为「描述总量」而非「描述水平」。这不是方法学洁癖——它改变结论:用均值排出的名次,换一个百分位阈值就会重排;用百分位排出的名次,对阈值要稳定得多。
【一个值得辩论的问题】如果引文分布没有可用的均值,那「引文影响力」到底是不是一个可加的量?做机构排名时我们隐含假设「论文的引用可以相加」,但加法要求一个共同单位。如果引用本质上测的是传播(一篇论文被多少后续工作当作输入),它更接近乘性/网络量,而不是可加量。那么「某机构总被引 10 万」这句话,是不是和「某地总降雨量 10 万毫米」一样,是一个在物理上没有对应物的构造?
我倾向于:引文是可数的,但「影响力」不是可加的。所以我们可以诚实地报告【分布】,不能诚实地报告【水平】。







0 评论