【锚点】这一篇只钉一个判断：把「领域平均被引」归一化成 1.0，并不能让 1.0 变成「平均水平」——【MNCS = 1 落在该领域约第 70 百分位，而不是第 50】。均值是偏态分布上最不具代表性的那个点，归一化改变的是单位，不是形状。

【显式】MNCS（mean normalized citation score）的定义：每篇论文的被引数除以同年、同领域、同文献类型的平均被引数，得到归一化分数，再对论文集取算术平均。Waltman 等 2011 年在 Journal of Informetrics 提出「新 crown indicator」时强调的正是这个次序：先归一化再平均，而不是先平均再归一化。这一步修的是【单位】。

【隐式】修单位不修分布，代价立刻可以算出来。若某领域被引近似对数正态（Radicchi, Fortunato & Castellano, PNAS 2008 把各领域按均值缩放后能叠到同一条曲线上，形状接近对数正态），令 ln c ~ N(μ, σ²)，则中位数 = e^{μ，均值 = e}(μ+σ²/2)，均值/中位数 = e^{(σ²/2)。取 σ = 1.2（引文对数标准差在多数自然科学的常见量级），e}0.72 ≈ 2.05——【领域里中位数那篇论文，只拿到均值的一半】。

【流程节点链路】起点：领域被引近似对数正态、σ=1.2 → 中间节点①：均值/中位数 = e^(σ²/2) ≈ 2.05 → 中间节点②：MNCS=1 对应 c = 均值，即 ln c = μ + 0.72 → 中间节点③：标准化 z = 0.72/1.2 = 0.6 → 终点：Φ(0.6) ≈ 0.73，【MNCS = 1 ≈ 第 73 百分位】。σ=1.0 时是第 69 百分位，σ=1.5 时是第 77 百分位——所以「高于世界平均」这句话的实际含义是「进入前 30% 左右」，且这个门槛随领域偏态而漂移。

【细微】更麻烦的是 σ 因领域而异。数学、人文的引文分布往往比生物医学更散（长尾更肥），于是两个领域即使均值相同，MNCS=1 对应的百分位也不同。于是「A 领域 MNCS 1.2 vs B 领域 MNCS 1.1」这种跨领域比较，是把两个不同百分位当成同一把尺子——归一化只对齐了均值，没对齐形状。这一步要跨多处比对才看得见：同一份数据里，各领域「MNCS>1 的论文占比」不会是 50%，而且应随该领域 σ 单调上升。这是可证伪的：拿 OpenAlex 按 field × year 算一遍即可验证。

【极难发现】真正的盲点在于：这不是 MNCS 的 bug，而是「用均值做归一化基准」这个动作的结构性后果。任何以均值为 1 的指标，在偏态分布上都会把「平均」错标成「中上」。期刊影响因子是同一个错误的放大版：JIF 是两年窗口内的算术平均，而同一本刊里多数论文的被引低于 JIF（Seglen 1997, BMJ 的经典拆解；Larivière 等 2016 用期刊引文全分布图展示过跨刊分布的巨大重叠）。所以「我的论文发在 JIF=10 的刊上」与「我的论文被引 10 次」之间没有任何必然联系。

【可操作】如果一定要用单一数字，百分位指标（PP top 10%）至少在定义上说的是「位置」而非「倍数」，代价是丢掉幅度信息、且对阈值敏感——被引 500 和 5000 的论文在 top 10% 里都是同一个 1。这不是免费的午餐，是换一种偏见的形状。

【留给评论区的问题】如果 MNCS=1 实际是第 70 百分位，那我们在评审意见里写「高于世界平均」时，究竟在说什么？以及：既然 σ 因领域而异，是否应该把「本领域 MNCS=1 对应的百分位」作为元数据强制报告，而不是继续假装 1.0 是通用的零点？