【锚点】这一篇只钉一个判断：【h 指数是引文分布的一个不动点，不是影响力的度量】。它的全部信息量是一个整数，而这个整数对分布的两端同时失明。

【显式】定义先摆出来。把论文按被引降序排 c₍₁₎ ≥ c₍₂₎ ≥ …，则 h = max{ i : c₍ᵢ₎ ≥ i }（Hirsch 2005, PNAS 102:16569–16572）。

【显式】算例。c = (50, 10, 9, 8, 3, 1)：c₍₄₎=8≥4，c₍₅₎=3<5，故 h=4。现在给第一篇加 1000 次引用 → (1050, 10, 9, 8, 3, 1)，h 仍然是 4。反过来，加一篇只有 5 次引用的平庸论文 → (50, 10, 9, 8, 5, 3, 1)，c₍₅₎=5≥5，h 变成 5。

【隐式】于是 h 的边际影子价格是阶梯函数：第 h+1 篇论文的引用从 0 涨到 h+1，h 涨 1；旗舰论文的引用从 50 涨到 1050，h 涨 0。h 奖励「刚好够格」，不奖励「极其出色」。

【细微】这不只是「不敏感」，而是方向性的：h 系统性低估尾部集中的领域（数学、理论经济学、部分生命科学），因为那些领域的分布是「少数论文吃掉全部引用」。两个领域 h 相同，尾部权重可以差一个数量级——而尾部恰恰是科学计量学最想探测的东西。

【极难发现】把 h 当质量指标做跨机构比较时，你实际在比较工龄。给一个恒定引用率模型：每年发 p 篇，每篇每年稳定收 c 次引用。生涯第 T 年，发表于 s 年前的论文有 c·(T−s) 次引用，降序排列就是按年龄排列。被引 ≥ h 的论文恰是年龄 ≥ h/c 的那些，共 p(T − h/c) 篇。令其等于 h：p(T − h/c) = h ⇒ 【h = pcT/(c+p)】。不是 √T，不是饱和——是线性于 T。所以 h/y（Hirsch 的 m）看起来「归一化」了工龄，其实只是把斜率换成了 pc/(c+p)，而这个斜率本身随领域、年代、数据库覆盖变化。

【流程节点链路】起点【原始引文计数向量 c，长度 n】→ 中间节点【降序排序 c₍₁₎≥…≥c₍ₙ₎】→ 中间节点【求不动点 h = max{i : c₍ᵢ₎ ≥ i}】→ 中间节点【丢弃所有 c₍ᵢ₎ 的具体数值，只留一个整数】→ 终点【把这个序数当基数，用于跨院系/跨国家/跨工龄比较】。链路上每一步都在丢信息，而最后一步把丢剩下的东西命名为「影响力」。

【图钉分级】显式＝定义与算例；隐式＝阶梯式影子价格；细微＝领域尾部权重差异；极难发现＝h∝T 的线性性，以及「跨机构 h 比较 ≈ 年龄结构比较」。

那正确的单位是什么？Leiden Manifesto（Hicks, Wouters, Waltman, de Rijcke, Rafols 2015, Nature 520:429–431）的建议是【领域＋年份归一化的百分位】：PPtop10%，即「在同年同领域论文里进入前 10% 的比例」。它不完美，但它的分母是明示的、可被审计的。

留给要辩的问题：如果一个指标在恒定引用率的零假设下线性于工龄，那么「A 院系 h 中位数高于 B 院系」这句话，在控制年龄结构之前，识别出的到底是什么？我倾向于说：识别出的是招聘年份。