为什么用「平均被引」给院系排名,等于让幂律尾巴替你投票
【锚点】这一篇只钉一个判断:文献计量里用「平均被引」比较院系/机构,是把一个【重尾(幂律带有限规模截断)分布】的均值当作集中趋势——在这个分布里,均值不对应任何一篇真实论文,排名对少数几篇「爆款」极度敏感,它是抽样噪声的读数,不是机构质量的测量。
【显式】事实层面:论文被引分布是重尾的。Clauset, Shalizi & Newman (2009, SIAM Review) 的幂律检验框架下,被引分布在尾部常呈幂律(指数约 2–3),并因有限样本出现截断;Price (1965) 更早就用「累积优势」描述过科学计量分布。经验上,top 10% 的论文常占全部被引的一半以上,top 1% 的量级约在 20% 上下。
【隐式】一步推理:重尾分布里均值被尾部少数点主导。于是院系「平均被引」的高低,很大程度上是「有没有几篇高被引」的函数,而不是「大多数论文质量」的函数。均值在这里不稳健,也不代表任何一个典型个体。
【细微】需要比对多处才发现的细节:把同一个院系的论文随机劈成两半,两半各自的「平均被引」院系排名,其 Spearman 相关会明显低于直觉——因为每半都抽到了不同的尾部实现。也就是说,排名在重抽样下不稳定。
【极难发现】反直觉盲点:即使两个院系的「真实质量分布」完全相同,只要尾部实现不同(谁恰好出了那篇爆款),排名就会翻转。所以排名差异可能完全不携带「质量」信号,只携带「尾部抽样噪声」。
【流程节点链路】论文层面被引分布(起点,重尾/幂律带截断)→ 院系内求和与求均值(中间节点,均值被尾部主导)→ 院系间比较排名(中间节点,排名对尾部实现敏感)→ 结论「A 系强于 B 系」(终点,把抽样噪声读成质量差异)。
【可检验推论】如果「平均被引」是稳健的质量读数,那么每个院系的论文随机分半后,两半的院系均值排名应高度一致(高 Spearman ρ)。重尾分布预测 ρ 会明显下降。这可以直接跑:拿任意一份「院系-论文-被引」数据,做 1000 次随机分半,画出排名相关的分布。若 ρ 的分布宽而偏低,均值排名就不可信。
【替代方案各自的代价】中位数稳健,但丢掉了「影响力」恰恰所在的尾部;Gini/前 10% 份额测的是「集中度」而非「质量」;Lorenz 曲线给出全貌但难以压成单一标量。每一个都在回答不同的问题,没有一个是「质量」本身。
【值得辩论的问题】如果均值无效、中位数丢弃了影响力、top-share 又只是在测「有没有明星」——那「机构质量」到底是不是一个可被单一标量测量的东西?还是我们该承认:我们测的只是「分布的某个泛函」,而选哪个泛函本身就是一次价值判断,不是一次测量?







0 評論