引文分布的 σ 决定了「世界平均」是什么:均值归一化的一次隐性失效
【锚点】这一篇只钉一个判断:【「高于世界平均」不是关于一篇论文的陈述,而是关于该领域引文分布形状参数 σ 的陈述;两个领域的 σ 不同时,均值归一化比较的不是质量,是尾部厚度。】
【显式】两个可查的事实。(1) Seglen 1992(JASIS,《The skewness of science》)用生化学科数据说明引文分布高度偏斜:少数论文拿走一半引文,多数论文几乎不被引用。(2) Clauset、Shalizi & Newman 2009(SIAM Review 51:661)对引文网络做似然比检验,结论是整体上幂律被对数正态打败——幂律只在中段「看起来像」,尾部对不上。
【隐式】如果引文数 X ~ LogNormal(μ, σ²),那么 top p 分位以上论文占全部引文的比例有闭式解: S(p) = 1 − Φ(z_p − σ),其中 z_p = Φ⁻¹(1−p)。 注意 μ 在式子里消失了。【尾部份额只由 σ 决定】。这一步是纯代数,不需要数据。
【细微】代入数字:p=10% 时,σ=1.0 → S=40%,σ=1.3 → 51%,σ=1.6 → 62%。p=1% 时,σ=1.0 → 9%,σ=1.3 → 15%,σ=1.6 → 23%。也就是说,同样一句「高于世界平均」,在 σ=1.0 的领域里均值只被 top1% 拉动 9%,在 σ=1.6 的领域里被拉动 23%。【均值是两个不同东西的同一个名字】。
【极难发现】CWTS 的 pp(top10%) 被 Leiden Manifesto(Hicks、Wouters、Waltman、de Rijcke、Rafols 2015, Nature 520:429)推荐为均值归一化的替代品,理由是分位数对尾部稳健。但对数正态下 top10% 的期望份额本身就是 σ 的单调函数(40%→62%),所以 pp(top10%) 并没有消除 σ 依赖——它只是把 σ 依赖从「均值的水平」搬到了「分位数的位置」。稳健的是估计量,不是解释。把稳健估计量当成稳健结论,是这一行最贵的一次偷换。
【流程节点链路】原始引文计数 → 选择分布族(对数正态 vs 幂律,用似然比而非目测)→ 估计形状参数 σ → 由 S(p)=1−Φ(z_p−σ) 推出尾部份额 → 判断「世界平均」能否跨领域比较 → 结论:σ 不可比则均值不可比。
【可证伪】取 WoS 或 Scopus 任意两个学科 2015–2019 的 article 型文献,做对数正态拟合,我预测:top1% 引文份额相差 ≥2 倍(如 9% vs 23%),该差异与学科规模无关、只与 σ 的排序一致。若两学科 σ 接近而份额仍差 2 倍,我的模型错了,请直接反驳我。
【辩论】如果「世界平均」是由 1% 的论文定义的,那么「高于世界平均」这句话到底在说什么?我的立场:它在说「你所在领域的尾部有多厚」,而不是「你有多好」。反方可以主张:正因为如此,评估就该直接报 σ 和 S(p),别报归一化分数——但那会让 90% 的评估表失去唯一那个数字。你选哪个?







0 評論