基于因子分析法的科技期刊引文綜合評價指標(biāo)研究

■吳 濤 楊 筠 陳 晨 趙 娟 孫金立

1）第四軍醫(yī)大學(xué)《醫(yī)學(xué)爭鳴》編輯部，陜西省西安市長樂西路169號 710032

2）第四軍醫(yī)大學(xué)圖書館，西安 710032

3）西安郵電大學(xué)外國語學(xué)院，西安 710121

準(zhǔn)確公正地評價科技期刊對于研究者掌握學(xué)術(shù)動態(tài)、科研單位評價科研成果、圖書館選擇精品期刊等各個領(lǐng)域都有極其重要的作用。期刊評價理論發(fā)展至今，已經(jīng)涌現(xiàn)了大量的評價指標(biāo)。傳統(tǒng)指標(biāo)如總發(fā)文量、總被引頻次、他引率、引用半衰期等對期刊的評價目標(biāo)明確但單一，多從“量”的角度考慮。從“質(zhì)”的角度評價期刊的引文評價指標(biāo)有影響因子（Impact Factor，IF）、h指數(shù)、特征因子（Eigenfactor Score，ES）、SJR（SCImago Journal Rank）和 SNIP（Source Normalized Impact per Paper）等，以及這些指標(biāo)的衍生指標(biāo)：5年IF（IF5）、類h指數(shù)（A指數(shù)、g指數(shù)、R指數(shù)等）、論文影響分值（Article Influence Score，AIS）等。這些琳瑯滿目的指標(biāo)都是通過不同的運算法則衡量期刊引文的數(shù)量和質(zhì)量，在科技期刊評價中具有一定的先進(jìn)性，但其弊端也逐漸暴露，這些引文評價指標(biāo)既有各自的優(yōu)缺點，彼此又存在高度相關(guān)性［1］。單一的評價指標(biāo)顯然無法滿足科技期刊評價的要求，但對期刊進(jìn)行多指標(biāo)的綜合評價又眾說紛紜，做法不一［2－4］。

對科技期刊進(jìn)行多指標(biāo)的綜合評價涉及指標(biāo)選擇、權(quán)重賦予、消除相關(guān)指標(biāo)間的信息重疊等諸多方面的問題。因子分析法通過分析多個原始指標(biāo)的相關(guān)關(guān)系入手，找到支配這種相關(guān)關(guān)系的有限個不可觀測的潛在變量（公因子），并用這些潛在變量來解釋原始指標(biāo)之間的相關(guān)性［5］。因子分析由于解釋力較強，能客觀確定各指標(biāo)權(quán)重，消除指標(biāo)間的相關(guān)重疊性，為綜合評價科技期刊提供了一種較好的方法［6］。

本文嘗試對 IF、IF5、h指數(shù)、SJR、ES和 SNIP六大具有代表性的期刊引文評價核心指標(biāo)進(jìn)行因子分析，找出它們之間的公因子，建立科技期刊引文綜合評價指標(biāo)函數(shù)，并通過實例與這六個指標(biāo)進(jìn)行排序?qū)Ρ?，希望能對科技期刊引文綜合評價工作提供些許參考意見。

1 數(shù)據(jù)來源

本文以基于WoS數(shù)據(jù)庫的IF、IF5、ES和基于Scopus數(shù)據(jù)庫的h指數(shù)、SJR和SNIP六大核心指標(biāo)為研究對象，選擇了2013年公布的這兩大數(shù)據(jù)庫共有的醫(yī)學(xué)類期刊作為因子分析數(shù)據(jù)來源。IF、IF5、ES來自2012年的期刊引證報告（Journal Citation Reports，JCR），h指數(shù)和 SJR查自網(wǎng)站 http：//www.scimagojr.com/journalsearch.php，SNIP在 http：//www.journalindicators.com/indicators上可查詢。排除數(shù)據(jù)不全或極端數(shù)值為零的期刊后，共收集1881份醫(yī)學(xué)期刊的評價數(shù)據(jù)。

2 方法

將這1881份期刊的 IF、IF5、ES、h指數(shù)、SJR和SNIP數(shù)值錄入Excel表格，利用SPSS20.0統(tǒng)計軟件進(jìn)行因子分析。找出這六個指標(biāo)的公因子，以每個因子對公因子的貢獻(xiàn)率為權(quán)重，構(gòu)建指標(biāo)的綜合評價函數(shù)。再挑選出這1881份期刊中的分屬免疫學(xué)專業(yè)期刊（共68份）和綜合內(nèi)科醫(yī)學(xué)期刊（共71份），將其六個指標(biāo)的標(biāo)準(zhǔn)化數(shù)值分別代入新建函數(shù)，得到這些樣本期刊的綜合評價指標(biāo)值，并排序，排序結(jié)果分別與六個指標(biāo)的排序結(jié)果對比分析。

2.1 原始數(shù)據(jù)處理

為了消除原始數(shù)據(jù)數(shù)量級和量綱的差異，首先對原始數(shù)據(jù)作標(biāo)準(zhǔn)化處理（SPSS軟件自動處理過程），然后建立各指標(biāo)間的相關(guān)系數(shù)矩陣（表1）。對數(shù)據(jù)進(jìn)行KMO和Bartlett檢驗，KMO為0.796，大于0.5，表明樣本充足；Bartlett球形度檢驗的顯著性水平P＝0.000＜0.001，表明原始數(shù)據(jù)適合做因子分析。

表1 相關(guān)矩陣

2.2 因子分析

將 IF、IF5、ES、SJR、h指數(shù)和 SNIP依次編號x1－x6，公因子提取采用主成分分析法。利用SPSS20.0計算各指標(biāo)相關(guān)矩陣特征值和方差累積貢獻(xiàn)率（表2），根據(jù)特征值大于1或者方差累積貢獻(xiàn)率大于80%確定公因子。由表2可知，因子1和2的特征值均大于1，并且它們提供的累積貢獻(xiàn)率（91.811%）已達(dá)到80%，因此提取前兩個因子為公因子。

然后建立因子載荷矩陣（表3），它反映了每個指標(biāo)與公因子之間相互聯(lián)系的密切程度。由表3可見，旋轉(zhuǎn)前的因子載荷矩陣不能明顯地反映出每個指標(biāo)在公因子上載荷的差別，也就很難解釋各公因子的專業(yè)意義，因此采用Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法進(jìn)行因子旋轉(zhuǎn)，使每個公因子上因子載荷的平方向0和1兩級分化，造成盡可能大的差別，以使各公因子支配不同的原始指標(biāo)，從而使各公因子具有較為清晰的專業(yè)意義。旋轉(zhuǎn)后的因子載荷矩陣顯示因子1在 IF、IF5、SJR、SNIP上有較大的因子載荷（更接近1），因子2在ES和h指數(shù)兩個指標(biāo)上載荷最大。

表2 各因子相關(guān)矩陣特征值和方差累積貢獻(xiàn)率

表3 旋轉(zhuǎn)前后的因子載荷矩陣

3 結(jié)果

3.1 公因子的專業(yè)意義解釋

通過我們前期對 IF、IF5、h指數(shù)、SJR、ES和SNIP六大指標(biāo)的特點及相關(guān)性的研究［1］，再結(jié)合以上因子分析結(jié)果，將這六個指標(biāo)分為兩類：一類包括IF、IF5、SJR和SNIP，它們反映的是期刊的平均影響力，將其上載荷較大的公因子F1命名為平均影響力因子，對全部初始變量的方差貢獻(xiàn)率為57.453%。平均影響力因子與期刊發(fā)表論文總數(shù)成反比，側(cè)重反映期刊論文的平均水平。另一類包括ES和h指數(shù)，它們反映的是期刊的整體影響力，將其上載荷較大的公因子F2定義為整體影響力因子，方差貢獻(xiàn)率為34.358%。期刊載文量越大，發(fā)表的論文越多，整體影響力越大。

3.2 綜合評價指標(biāo)函數(shù)的建立

使用SPSS20.0計算出各因子得分系數(shù)（表 4）。

表4 各因子得分系數(shù)矩陣

根據(jù)該得分系數(shù)矩陣，可列出各因子得分的計算表達(dá)式：F1＝0.328x1＋0.266x2－0.210x3＋0.235x4－0.151x5＋0.367x6；F2＝－0.120x1－0.011x2＋0.607x3＋0.017x4＋0.548x5－0.206x6。

再以公因子1和2旋轉(zhuǎn)后的主成分貢獻(xiàn)率（見表2）為權(quán)重進(jìn)行加權(quán)求和，得到每個期刊的綜合因子值 F：F＝（0.57453 F1＋0.34358 F2）/0.91811。

3.3 實證比較

3.3.1 專業(yè)性期刊實證

利用該綜合評價指標(biāo)函數(shù)對WoS數(shù)據(jù)庫和Scopus數(shù)據(jù)庫共有的免疫學(xué)期刊（共68份期刊該六項指標(biāo)齊全）進(jìn)行綜合評價，分別計算出各期刊的平均影響力因子（F1）、整體影響力因子（F2）和綜合因子（F）得分。根據(jù)各因子得分將68份期刊排序，并與 IF、IF5、ES、SJR、h指數(shù)和 SNIP排序結(jié)果對比分析。本文將綜合因子（F）排名前20的期刊排序結(jié)果列于表5。

從對比排序結(jié)果可以看出：（1）F排名第一的期刊（Annual Review of Immunology），多項指標(biāo)（F1、IF、IF5、SJR、SNIP）都排在第一，F(xiàn)2卻排在第 51位。研究這份期刊發(fā)現(xiàn)，其載文量偏少，每年只發(fā)表20～30篇文獻(xiàn)，導(dǎo)致F2排名靠后，ES和h指數(shù)也不是很高，但這份期刊篇均影響力很高，綜合排名仍為第一；（2）F排名第六的期刊（Journal of Immunology），F(xiàn)2、ES和 h指數(shù)排名第一或第二，但F1卻排在第68位上。研究該期刊發(fā)現(xiàn)，其近五年年均載文量達(dá)1592篇（1382～1948篇），導(dǎo)致ES和h指數(shù)偏高，排名靠前，但篇均影響IF排到第15位，IF5、SJR和SNIP排名分別為14、11、15。權(quán)衡整體與平均影響力后，綜合因子排名第6，介于ES、h指數(shù)與IF、IF5、SJR、SNIP排名之間。（3）整體影響力與平均影響力均衡的期刊，IF、IF5、h指數(shù)、SJR、ES和 SNIP六大指標(biāo)排序結(jié)果較一致，則F1、F2與F排名也不會有大的出入。如F排名第三的期刊（Nature immunology），近五年年均載文量219篇（211～238篇），IF、IF5、ES、F1均排第三，SJR、SNIP排第二，h指數(shù)排第四。F排名第20的期刊（Biology of blood and marrow transplantation），其近五年年均載文量275篇（236～308篇），F(xiàn)1和F2分別排19和26，六大引文評價指標(biāo)排名也都介于17～28。

表5 免疫學(xué)期刊引文評價綜合指標(biāo)得分排序與其他指標(biāo)排序?qū)Ρ?/p>

3.3.2 綜合性期刊實證

利用該綜合評價指標(biāo)函數(shù)對WoS數(shù)據(jù)庫和Scopus數(shù)據(jù)庫共有的綜合性內(nèi)科學(xué)期刊（共71份期刊該六項指標(biāo)齊全）進(jìn)行綜合評價，計算各期刊的因子得分，再根據(jù)各因子得分將71份期刊排序，并與六大原始指標(biāo)的排序結(jié)果對比分析。

通過對比排序結(jié)果，我們發(fā)現(xiàn)：（1）在載文量大的期刊，如綜合因子 F排名分列前三的 New England Journal of Medicine（近五年年均載文量達(dá)1818篇）、Lancet（近五年年均載文量達(dá)1797篇）、JAMA（近五年年均載文量達(dá)1305篇）都是醫(yī)學(xué)界的頂級綜合類雜志，其六大原始指標(biāo)排名基本都在前三，雖然可能因為載文量大的原因，代表平均影響力的F1因子排名受到影響，排在倒數(shù)后三位，但這并不能影響綜合因子F的排名。（2）在載文量小的期刊，如綜合因子 F排名第六的期刊 Annual Review of Medicine，其近五年年均載文量只有34篇（31～36篇），ES和h指數(shù)分別排在第13和第7位，IF、IF5、SJR和 SNIP分別排 4、5、3、5位，篇均影響力較整體影響力排名靠前，F(xiàn)因子排名很好地中和了這兩種影響力，排名第六。

4 討論

目前，在國內(nèi)外期刊評價中，IF仍然占據(jù)著重要地位，其計算過程簡單，某刊前兩年發(fā)表論文在統(tǒng)計年的被引證次數(shù)除以該刊前兩年發(fā)表論文總數(shù)，但局限性也很明顯：默認(rèn)所有引文具有同樣的權(quán)重，不排除自引，對于極端數(shù)值的變化敏感等等。IF5將統(tǒng)計的引文區(qū)間延長至5年，對IF做了一定的改進(jìn)，但不能更正以上局限，而且從本研究及其他研究［7］結(jié)果看，IF與IF5排名差異小，相關(guān)程度極強，所以IF5取代IF意義不大。h指數(shù)在國外期刊評價中也是極為常用的，從h指數(shù)的計算原理就能看出h指數(shù)的數(shù)值變化是隨著時間只增不減的［7，8］，期刊發(fā)表的論文數(shù)量越多，越有利于提高 h指數(shù)，其同一種期刊的排名比IF排名靠前［9］。SJR與ES引入了引文網(wǎng)絡(luò)的概念，參考了衡量網(wǎng)頁重要性的PageRank算法，計算時考慮到引文的權(quán)重，但SJR與期刊刊載論文的平均水平關(guān)系較強［10］，而ES具有發(fā)文量依賴傾向，用于評價期刊的總體影響力［11］。SNIP是期刊評價指標(biāo)團(tuán)隊中較新的成員，由于基于全球最大的文摘和引文數(shù)據(jù)庫Scopus和其能對不同主題領(lǐng)域來源期刊進(jìn)行直接評價的優(yōu)勢［12］，而引起期刊評價界的廣泛關(guān)注，但從它的全稱“篇均來源期刊標(biāo)準(zhǔn)影響”和計算原理“引用潛力”（一篇文獻(xiàn)在特定學(xué)科領(lǐng)域里估計能達(dá)到的平均被引用次數(shù)）看［13］，SNIP是對期刊平均影響力的測量。因子分析的結(jié)果將IF、IF5、SJR和SNIP歸為一類，h指數(shù)和ES歸為一類，可見支配這些指標(biāo)相關(guān)性的重疊信息不取決于來源數(shù)據(jù)庫，也不在于引文區(qū)間和自引處理，或是否考慮引文權(quán)重等等，而在于計算的結(jié)果是期刊影響力的平均值還是整體值，載文量起了決定性的影響。

無論是哪一個期刊引文評價指標(biāo)，都存在片面性，因此國內(nèi)外所有的數(shù)據(jù)庫在評價一本期刊時都會同時采用多個指標(biāo)，但各自做法不一，而且這些引文指標(biāo)之間存在信息交叉，對不同期刊的評價有偏頗，我們需要構(gòu)建一個綜合評價指標(biāo)體系，將各指標(biāo)分配權(quán)重，消除信息重疊。本文對1881份醫(yī)學(xué)期刊的6個核心引文指標(biāo)數(shù)值進(jìn)行了因子分析，找出起支配作用的潛在因素——公因子F1、F2，并通過F1和F2在各指標(biāo)上的不同載荷，將這六個指標(biāo)分為兩類，F(xiàn)1代表了期刊的平均影響力，F(xiàn)2代表了期刊的整體影響力，期刊的載文量對于F1和F2的排序有重要的影響。在權(quán)衡F1和F2的基礎(chǔ)上，我們構(gòu)建了綜合引文評價指標(biāo)函數(shù)以計算綜合因子F值，將這六個相關(guān)的指標(biāo)通過降維轉(zhuǎn)化為一個綜合指標(biāo)。

通過對免疫學(xué)的68種專業(yè)期刊和內(nèi)科學(xué)的71種綜合期刊的實證研究證實，無論針對載文量偏大的期刊還是載文量偏小的期刊，該綜合因子能綜合這六大引文評價指標(biāo)，消除載文量的影響，權(quán)衡期刊整體與平均影響力，客觀公正地評價科技期刊的質(zhì)量水平。當(dāng)然，還是那句老話：沒有哪種指標(biāo)是完美的。本研究構(gòu)建的綜合指標(biāo)函數(shù)具有一定的局限性，雖然樣本量大，但選擇的研究指標(biāo)類型有限，局限于引文評價核心指標(biāo)，建立的綜合評價指標(biāo)體系還不夠全面、豐富。但通過因子分析法構(gòu)建綜合引文評價指標(biāo)在實例驗證中顯示出一定的合理性和應(yīng)用價值，對于消除載文量的影響也顯出一定的效果，對于期刊引文評價具有一定的參考價值。

［1］吳濤，史紀(jì)元，楊筠，等.科技期刊引文評價核心指標(biāo)的對比研究［J］.中國科技期刊研究，2014，25（8）：1058－1062.

［2］劉雪立.中文核心期刊評價指標(biāo)體系：演進(jìn)·問題·建議［J］.編輯學(xué)報，2014，26（1）：92－95.

［3］張曉雪.我國科技期刊評價指標(biāo)體系的現(xiàn)狀考察及未來發(fā)展思考［J］.中國出版，2014（1）：29－31.

［4］史艷芬.基于SSCI＆Scopus對比分析期刊評價指標(biāo)的實證研究［J］.情報雜志，2013，32（12）：119－122.

［5］孫振球，徐勇勇.醫(yī)學(xué)統(tǒng)計學(xué)［M］.3版.人民衛(wèi)生出版社，2011：362－373.

［6］辛督強，韓國秀.因子分析法在科技期刊綜合評價中的應(yīng)用［J］.數(shù)理統(tǒng)計與管理，2014，33（1）：116－121.

［7］吳海芳.幾種學(xué)術(shù)期刊評價指標(biāo)的相關(guān)性分析［J］.大學(xué)圖書情報學(xué)刊，2013，31（6）：86－89.

［8］李超.國內(nèi)期刊評價及其方法研究的進(jìn)展與實踐［J］.情報科學(xué)，2012，30（8）：1232－1237.

［9］朱蓓，趙會懂.H指數(shù)與影響因子評價科技期刊的比較［J］.中華醫(yī)學(xué)圖書情報雜志，2010，19（9）：1－3，24.

［10］趙星，高小強，唐 宇.SJR與影響因子、h指數(shù)的比較及SJR的擴(kuò)展設(shè)想［J］.大學(xué)圖書館學(xué)報，2009（2）：80－84.

［11］竇曦騫，祁延莉.特征因子與論文影響力指標(biāo)初探［J］.大學(xué)圖書館學(xué)報，2009（6）：57－62.

［12］程小娟，楊晶晶.Scopus數(shù)據(jù)庫引文評價新指標(biāo)SNIP原理及可行性探討［J］.圖書情報工作，2012，56（10）：6－9，34.

［13］Huggett S.New perspectiveson journal performance［EB/OL］.（2010－01）［2014－08－30］.http：//www.researchtrends.com/issue15-january-2010/behind-the-data-2/.