評價期刊影響力的三項指標比較研究

〔摘 要〕在對兩個期刊評價新指標SJR和特征因子進行簡述的基礎之上，以JCR中信息科學與圖書館學中影響因子排名前20的期刊為樣本，對影響因子、5年影響因子、SJR以及特征因子的排名進行比較分析，并采用相關分析對四者進行分析。結果表明，SJR與其它三者之間沒有發現顯著相關性。

〔關鍵詞〕影響因子;特征因子;SJR;科研評價

DOI:10.3969/j.issn.1008-0821.2010.09.036

〔中圖分類號〕G255.2 〔文獻標識碼〕B 〔文章編號〕1008-0821(2010)09-0141-03

Comparison of Three Journal Impact Evaluation IndexesTian Zhibing

(Library，Nanjing University of Posts and Telecommunications，Nanjing 210003，China)

〔Abstract〕Based on the expatiation of the SCImago Journal Rank and Eigenfactor，the paper used the top 20 journals of Information Science Library Science from JCR，compared the impact factor，five year impact factor，SJR and Eigenfactor，then used the SPSS to analyze the Correlations.The result did not find the significant correlations between SJR and the others.

〔Keywords〕impact factor;eigenfactor;SCImago Journal Rank;research assessment

科研成果評價是科學研究中的重要組成部分。一方面不同科學家、科研團體所產出的科研成果在客觀上存在著水平的高低不同，影響大小不一的情況，需要進行科研成果的評價，另一方面，人才聘任、科研資源分配以及獎勵政策的制定等工作都需要以科研評價為基礎。

1955年，美國科技信息研究所(ISI)的創始人加菲爾德基于引文分析的方法提出了期刊影響因子的設想[1]，此后，科學引文索引(SCI)的問世，使得引文分析方法在世界范圍內被廣泛用作評價科研成果的重要方法，其中最為重要的評價指標即為影響因子(Impact Factor)。而這也是目前得到最廣泛的認可和應用的評價指標。

但影響因子也并非一個完美的評價指標，它也被證實存在著一些缺陷，為了彌補影響因子所存在的缺陷，學術界一直都在探索新的評價方法。2005年，美國加州大學圣地亞哥分校物理系J.E.Hirsh提出了h指數[2]，此后又有學者提出g指數[3]。2008年，Nature報道了下屬于Elsevier公司的Scopus數據庫的期刊評價新指標SCImago Journal Rank(以下簡稱SJR)，SJR使用類似于Google網頁排名的PageRank算法，計算時給予來自高聲望期刊的引用更高的權重，是一個同時衡量了期刊被引數量和質量的指標[4]。SJR也被認為是對ISI期刊影響因子的強有力的挑戰。作為回應，ISI于2009年1月在JCR(Journal Citation Report)中推出新的評價指標——特征因子(Eigenfactor)，該指標分成2個分值:特征因子分值(Eigenfactor Score)和論文影響分值(Article Influence Score)。那么，Scopus推出的SJR和ISI的特征因子的主要特征如何?與影響因子的關系如何?本文試圖對此進行一個比較分析。

1 SJR簡述

SJR是由Elsevier與西班牙的一個SCImago研究團隊(SCImago Research Group)共同開發而成，所有數據均可以在SCImago Journal Country Rank門戶網站上進行查詢。該評價指標基于Scopus中的數據，利用類似于Google的PageRank算法來評價期刊的重要性。該指標不僅衡量期刊被引的數量，還衡量期刊被引的質量。其原理是:以期刊的引用關系來評價期刊的質量，將期刊1引用期刊2的次數認作是期刊1對期刊2的認可程度，而期刊2在期刊1處所得到的分數即為期刊1的得分與期刊1對期刊2的認可程度相乘所得。該指標的算法如下[5]:

(1)Elsevier為所有的期刊設定SJR初始值，該值并不會影響到所有期刊最終的SJR值，但是計算過程中的迭代次數受此影響。

(2)根據如下公式(1)計算SJR新值:

其中，SJRi為期刊i的SJR值;d為常數，一般為0.85;e為常數，一般為0.10;Arti為期刊i的論文總數;N為期刊總數;Cj為期刊j的參考文獻數;Cji為期刊j引用期刊i的次數;Dn表示整個期刊引用網中的孤立節點，他們與其他期刊沒有任何引用關系。

(3)重復利用公式(1)計算SJR，直到SJR的變化值小于給定閾值時終止計算，最后得到的即為該期刊的SJR值。

2 特征因子簡述

特征因子最初由來自華盛頓大學的學者提出。其基本思路為:影響因子在計算期刊的引用頻次時，將來自所有刊物的引用都平等看待，實際上，對于像Nature和Science這樣有影響力的高質量期刊，來自它們的引用顯然比一些小刊的引用分量要大得多。特征因子的制定就是考慮到不同層次期刊的引用權重，通過引文構建起文獻引用網絡，對期刊的影響力進行評價。

特征因子的工作原理是:假設由一位研究者隨機選擇某年出版的一份刊物的某篇文章，任意選擇文章的一篇參考文獻，跟隨引文鏈接進入到下一份期刊，然后從該年的這份期刊中再任意選擇文章，繼續隨機選擇引文進入下一份期刊，研究者不停地重復這個行為，很顯然，如果這個動作無限地進行下去，越是影響力大的期刊，研究者進入的次數越多。研究者進入某個期刊幾率的百分值，就是該期刊的特征因子分值[6]。

期評價期刊影響力的三項指標比較研究3 影響因子、SJR與特征因子的比較分析

為了對影響因子、SJR與特征因子進行比較分析，筆者采用實證研究的方式，選擇JCR(社會科學版)中信息科學與圖書館學(information science library science )中影響因子排名前20的期刊，然后在SJR門戶網站上通過ISSN進行檢索，得到其SJR值[7]，具體情況如表1所示:

從表1可以看出，20種期刊的影響因子、5年影響因子、SJR和特征因子的排名還是存在著不小的差別。在影響因子中排名比較靠前的Annual Review of Information Science and Technology和Information Systems Journal的SJR和特征因子分值比較低，Information and Management的影響因子和特征因子的排名比較靠前，而SJR的排名比較靠后。此外，影響因子排在最后3位的期刊的SJR的排名則比較靠前。進一步分析發現，Annual Review of Information Science and Technology和Information Systems Journal表現不佳的原因應該是其施引文獻更多的是來自于重要性較低的刊物;導致Information and Management的情況的出現應該是SJR采用的是期刊所刊載的所有文獻，而在影響因子和特征因子的計算中，僅統計論文、簡訊和綜述，并不包括評論、信件等欄目的文獻。

為進一步比較影響因子、5年影響因子、SJR與特征因子之間的關系，筆者利用SPSS統計分析軟件，進行相關分析(皮爾遜相關系數)，具體情況如表2所示:

表2 影響因子、5年影響因子、SJR與特征因子相關性分析情況

項 目相關分析IFFive year IFSJREigenfactorIFPearson Correlation10.898()0.398.618() Sig.(2-tailed)0.0000.0820.004N20182020Five year IFPearson Correlation0.898()10.0970.604()Sig.(2-tailed)0.0000.7030.008N18181818SJRPearson Correlation0.3980.09710.404Sig.(2-tailed)0.0820.7030.077N20182020EigenfactorPearson Correlation0.618()0.604()0.4041Sig.(2-tailed)0.0040.0080.077N20182020在0.01的水平上顯著相關。從表2可以看出，影響因子、5年影響因子以及特征因子之間存在著顯著相關性，其中以影響因子與5年影響因子的相關系數最高，為0.898。因為5年影響因子只是在統計時間上對影響因子進行了一定的延長，因此其相關系數最高并不意外。特征因子與影響因子以及5年影響因子的相關系數相對較低，只屬于中等強度的相關。而令人意外的是，SJR與影響因子、5年影響因子以及特征因子之間并沒有發現顯著相關性。

4 討論與小結

(1)通過上述相關性分析并結合實際差異來看，導致SJR與影響因子、5年影響因子以及特征因子之間并沒有發現顯著相關性，最主要的原因之一就是其所采用的來源數據庫不一致。影響因子、5年影響因子以及特征因子的數據來源是Web of Science，該數據庫對期刊進行了較為嚴格的篩選，一般只有質量較高的期刊才能進入Web of Science，能夠入選的期刊有限，并且該數據庫每年均對期刊進行更新，有可能增添新的期刊，同時也有可能刪除表現不佳的期刊，同時，該數據收錄的非英語期刊的數量很少;相比之下，SJR的數據來源是Scopus，該數據庫的收錄范圍大大寬于Web of Science，并且收錄了大量的非英語期刊，且Scopus目前對期刊的更新是只增加新的而不剔除期刊。因此，利用Scopus應該能夠對期刊提供一個更為全面的評價，尤其是對非英語國家的期刊。

(2)導致SJR與影響因子、5年影響因子以及特征因子之間并沒有發現顯著相關性，且特征因子與影響因子以及5年影響因子的相關系數相對較低的情況的出現，應該歸因于計算方法的差異。影響因子和5年影響因子只考慮引文絕對數量，而沒有考慮引文的質量，這使得編輯可以有意識的采取不正當措施提高期刊的影響因子，如提高自引、降低刊載論文數量等。相比之下，SJR和特征因子不僅考慮引文的絕對數量，也考慮引文的質量，并且這兩種評價指標在算法上已經排除了自引，從這2個方面來看，SJR和特征因子確實是對影響因子作出了改進。

(3)SJR和特征因子也存在著不足。二者共同的不足就是相比于影響因子，二者的計算方法過于復雜，計算的數據封閉性相當強，不利于學者對此進行深入的實證探討，從目前來看，國內外已有學者以小樣本對特征因子進行實證，但是對于SJR，目前還無法進行實證以驗證其數值的準確性和算法的合理性。除此之外，SJR最大的問題就是通過期刊所有類型的文獻的被引情況來計算其影響力，而不是通過期刊中的學術論文。一般來說，通訊、讀者來信、新聞等類型的文獻被引用的可能性比較低，SJR的算法有可能會導致某些期刊的SJR值偏低;而特征因子也存在著對于總體影響力比較低的期刊群來說，連續等級期刊之間的特征因子值差別很小，離散程度小等問題。

綜上所述，SJR和特征因子作為兩種新出現的期刊評價指標，對于影響因子的某些方面，確實做出了一定的改進，而SJR相對于特征因子來說，又在數據源上具備一定的優勢。然而，對于這兩種新指標的算法，還有待進一步的進行深入研究，并且二者之間沒有發現顯著相關性，那么二者的是否具有互補性，哪一種方法更為科學合理等問題還需要我們以更大的樣本量，更多的分析方法進行研究才有可能作出明確的答復。

參考文獻

[1]Garfield E.Citation Indexes to Science:a New Dimension in Documentation Through Association of Ideas[J].Science，1955，122(3159):108-111.

[2]Hirsch J.E.An index to quantify an individuals scientific output[J].Proceedings of the National Academy of Sciences of the United States of America，2005，102(46):16569-16572.

[3]Egghe L.How to imp rove the h-index[J].The Scientist，2006，20(3):14.

[4]Butler D.Free Journal-ranking Tool Enters Citation Market[J].Nature，2008，451(7174):6.

[5]SCImago.Description of scimago journal rank indicator[EB].http:∥www.scimagojr.com，2010-04-16.

[6]米佳，濮德敏.特征因子原理及實證研究[J].大學圖書館學報，2009，(6):63-68.

[7]SJR[EB].http:∥www.scimagojr.com，2010-04-16.