科学出版物的下载量和被引次数间的关系:格兰杰因果性推断的介绍

论文题目：

On the relationship between download and citation counts: An introduction of Granger-causality inference.

论文地址：https://www.sciencedirect.com/science/article/pii/S1751157720306428

该文章使用了国际医学期刊《柳叶刀》自2017年1月至2017年10月出版的11531篇文章的下载量和被引次数，并剔除了数据集中从未被下载或被引用的文章。最终得到了7552篇文章的月度下载和月度被引时间序列。下图展示了《柳叶刀》每个月出版论文的数量（图1-a）及其下载量和被引次数的数量分布（图1-b）和图1-c）。

其中，time_span为一篇文章时间序列期数的标识；pid为文章在Mendeley数据库中文章的id，如pid为2-s2.0-59449098775的文章为Health before profits? Learning from Thailand's experience；year和month为其时间序列的具体日期，download和citation为该篇文章在当月的下载量和被引次数。

  下面进入正文，让我们来看看这篇文章具体探讨了什么问题，又是如何开展？如何推进的？

首先，该文章落脚于下载量和被引次数间相互影响的滞后问题，例如，下图显示了来自《柳叶刀》的两篇文章，其中可以观察到在第一种情况下，下载和引用之间的时间差明显小于第二篇文章。因此，作者认为，下载量和被引次数间的影响确实存在滞后关系，且这种关系随文章而异而不是所有文章统一不变的。

其次，本文着重探讨了下载量和被引次数间影响的方向性。作者论述了前人对于两项指标间的实证研究，并发现大多数研究均采用一般的相关性分析方法来探讨医学等学科期刊文章的两项指标间的关系，却很少涉及对于下载和被引的“因”和“果”的角色确定。换句话说，该文的第二个贡献是为科学计量学中对于科学出版物相关指标的因果关系确定提供了研究思路。

最后，该研究提供了使用格兰杰因果来量化下载量和被引次数间影响的滞后效应和方向性问题，并提供了详尽的推导和应用步骤介绍：时间序列的平稳性检验、滞后阶数的确定，协整关系分析及Wald系数约束性检验等。同时，该文章还考虑了高被引文章（图A）、通过深度学习分类的引文生命周期（图B）两个粒度，分别阐述了在两种分类角度下格兰杰因果关系在不同类型文章的差异性。此外，本文作者提供了全实验过程的STATA和R语言代码。

图A：高、低被引论文的下载次数和被引次数的格兰杰因果关系分布情况。

图B：基于引用曲线划分五种论文被引用模式

尽管格兰杰因果关系可能不是“真正的因果关系”，正如格兰杰本人所提到的，本文中提出的实现是超越相关性的良性探索。此外，这里使用的数据集有限——只考虑《柳叶刀》上的出版物，没有显示任何学科和期刊方面的比较和稳健性测试。未来将通过扩展数据集和不同的因果推理策略来探索下载和被引关系的细微差别。

/济南数友科技服务有限公司/

文字:丁杨

编辑:阮蕙心

审编:闫宁