Big Macs与Eigenfactor分数：别让相关系数欺骗你
数字图书馆
2010-05-03 v2
摘要
Eigenfactor指标提供了一种基于类似于Google PageRank算法的迭代排序程序来评估学术期刊的替代方法。这些指标最近已被Thomson-Reuters采用，并与影响因子一起列在《期刊引证报告》中。但这些指标是否足够不同，以至于能成为文献计量工具箱中的有用补充？Davis (2008) 基于他对医学领域期刊样本中Eigenfactor分数与总被引次数之间相关系数为0.95的发现，提出了相反的观点。这个结论是错误的；我们在此说明Davis所犯的基本统计谬误。我们提供了2006年《期刊引证报告》的完整分析，并证明Eigenfactor指标提供的信息与影响因子和总被引次数提供的信息之间存在统计上和经济上显著的差异。
引用
@article{arxiv.0911.1807,
title = {Big Macs and Eigenfactor Scores: Don't Let Correlation Coefficients Fool You},
author = {Jevin West and Theodore Bergstrom and Carl Bergstrom},
journal= {arXiv preprint arXiv:0911.1807},
year = {2010}
}
备注
Version 2 This is a response to Phil Davis's 2008 paper (arXiv:0807.2678)