期刊学术影响力测度指标结构关系研究——基于BP神经网络DEMATEL模型的实证

张和平 陈齐海

(南昌大学经济管理学院，江西 南昌 330031)

·应用研究·

期刊学术影响力测度指标结构关系研究
——基于BP神经网络DEMATEL模型的实证

张和平 陈齐海

(南昌大学经济管理学院，江西 南昌 330031)

[目的/意义]期刊学术影响力是学术界和期刊界关注的热点，已有许多学者对其测度指标结构关系进行了分析，但缺少从整体上对测度指标间相互作用关系的研究。[方法/过程]以632种“综合性人文、社会科学”类期刊为研究样本，构建期刊学术影响力的测度指标体系，运用BP神经网络DEMATEL模型计算各测度指标的中心度与原因度，并结合原因—结果图分析各测度指标的重要性及相互作用关系。[结果/结论]研究结果表明，该模型能较准确地反映出测度指标间的结构关系，他引影响因子和复合总被引为强驱动型指标；平均引文数和影响因子是排名前两位的驱动型指标；5年影响因子为最显著的特征型指标。

期刊学术影响力；BP神经网络；DEMATEL；指标结构

学术期刊作为传播科研成果和展现科技水平的重要媒介，在促进科学知识的创新、科技成果的转化以及社会科技的进步等方面发挥着重要的作用。期刊学术影响力反映的是期刊所发表的学术成果能够促进学术研究和应用之发展的能力，这种能力受到期刊的学术质量、办刊特色和读者认可度等多方面的影响。对期刊学术影响力的测度指标结构关系进行分析探讨，为提升期刊影响力及期刊评价工作有重要的意义，这既是学术界关注的重点也是期刊界的重大课题[1-2]。自美国已故著名学者加菲尔德博士提出将影响因子作为期刊排序指标以来，国内外众多专家学者对期刊学术影响力的评价模型及测度指标间的结构关系进行了深入研究。

在以往的研究中，衡量期刊学术影响力的指标主要有总被引次数、影响因子、他引率等，一些学者探讨了测度期刊学术影响力的传统计量指标间的结构关系。俞立平等[3]运用分位数回归模型，探讨了平均引文数、平均作者数、期刊时效性等指标与期刊影响力的关系；于挨福等[4]运用面板数据，建立多元回归模型分析了期刊基金论文比、论文篇幅长短等指标对期刊学术影响力的影响；俞立平等[5]利用散点图、回归分析和分组统计的方法，分析了基金论文比等5个期刊来源指标与期刊影响力之间的关系。另有些学者针对传统测度期刊影响力指标的缺陷，加入一些新型测度指标并研究了与传统测度指标间的关系。匈牙利学者Braun等[6]将h指数用于期刊的学术影响力评价中，应倩等[7]采用SPSS软件Spearman技术分析了h指数与影响因子、总被引频次之间的相关性。美国学者Bergstrom等[8]提出特征因子的概念并用于期刊的影响力评价，特征因子区别于影响因子在于计算引用次数时，对不同层次的期刊而采用不同的引用权重。俞立平等[9]基于Panel Data，研究特征因子与总被引频次、影响因子、5年影响因子等计量指标间的结构关系。我国学者也提出了一些新的期刊学术影响力评价指标。马凤[10]提出基于Page Rank算法的期刊影响力评价指标，并运用相关分析分析了与影响因子、总被引次数等指标间的相关性。邵作运等[11]在载文量的基础上来计量被引频次，提出了一种新型期刊学术影响力指标—f(x)指数，同样运用Spearman相关系数分析其与载文量、总被引频次、影响因子等指标的相关关系。

2015年底，中国科学文献评价研究中心连续14年对中国学术期刊进行统计分析与定量评价，并发布了新一期的《中国学术期刊影响因子年报》(简称年报)。为了更加全面科学准确地反映期刊学术影响力状况，《年报》提出一个全新的评价指标：学术期刊影响力指数(Academic Journal Clout Index，简称CI)。学术期刊影响力指数是评价各期刊影响力大小的综合性测度指标，它能够兼顾期刊的质量、规模等因素，可以科学客观地反映出期刊的学术影响力[12]。丁筠[13]首次对期刊影响力指数进行了分析，并采用SPSS相关分析研究了CI与影响因子等传统指标的相互作用关系。

根据以上文献可知，现阶段关于期刊学术影响力测度指标间结构关系的研究大多是将各测度指标独立出来进行讨论，或者是简单的指标间相关性分析，而忽略了各指标间的相互联系，无法从总体上对期刊学术影响力的指标作用关系进行全面的分析。学术期刊影响力指数作为一个衡量期刊学术影响力的新型计量指标，为本文研究期刊学术影响力的指标结构关系提供了思路。本文将改进的DEMATEL方法引进到期刊学术影响力指标结构的研究中，从复合影响因子指标、出版指标、引证指标和传播指标四个维度分析期刊学术影响力的测度指标，全面分析各指标间的相互作用关系，进而识别出系统中的原因型指标和结果型指标，为期刊学术影响力的建设及评价工作提供有价值的参考。

1 BP神经网络DEMATEL模型介绍

DEMATEL又称为决策试验和评价实验法(Decision Making Trial And Evaluation Laboratory)，是由日内瓦研究中心于20世纪70年代提出的一种用于研究和解决现实世界中错综复杂的影响因素的方法。该方法基于图论和矩阵论对复杂系统因素进行分析，通过确定系统各指标之间的直接影响矩阵，最终计算出每个指标的被影响度及其对其他因素和评价目标的影响度，由此确定各个指标的相互关联性并辨析出系统的主要指标[14-15]。DEMATEL方法能够有效地识别出指标之间的相互关系，在研究复杂系统指标之间的交互影响问题得到了广泛的运用[16-17]。

在传统DEMATEL模型的计算过程中，其直接关联矩阵数据的确定大多是通过专家评分和调查问卷的方式。然而在面对复杂难缠的现实问题时，通过发放调查问卷和组织专家评分来获取指标之间的相互影响关系比较困难，同时主观性的判断过程可能会影响最终决策结果的可信性。由于本文研究期刊学术影响力测度指标的结构关系时选取样本量较大且指标数较多，因此考虑利用BP神经网络超强的非线性拟合特点，实现从输入数据到输出数据的非线性映射，从而得到各测度指标的综合权值，其基本结构见图1。

图1 三层BP神经网络结构图

将BP神经网络与DEMATEL结合起来用于分析期刊学术影响力测度指标的结构关系，既能够增强指标之间的关联性，还能提高分析结果的客观性与可靠性[18]。BP神经网络DEMATEL模型的构建步骤如下。

Step3：计算整体权值矩阵ω=mean(|W|*|w|)。式中|W|和|w|表示取权值矩阵W和w的绝对值；在k>1时，ω则取每列的平均值。

Step4：根据整体权值矩阵计算期刊学术影响力各测度指标的直接关联矩阵B，

Step5：将直接关联矩阵B归一化处理，可得到归一化后的直接影响矩阵X，

X=(xij)n×n=B/s

Step6：计算期刊学术影响力测度指标的综合影响矩阵T，

T=(tij)n×n=X(1-X)-1

其中，tij为测度指标i对于测度指标j的综合影响程度；(I-X)-1为I-X的逆矩阵，I为同维度的单位矩阵。

Step7：计算各测度指标的影响度、被影响度、中心度和原因度。令

式中，影响度fi为综合影响矩阵T的各行之和，表示测度指标i对其他所有测度指标的直接影响和间接影响之和，称为影响度。被影响度ei为综合影响矩阵T的各列之和，表示其他所有测度指标对测度指标i的直接影响和间接影响之和，称为被影响度。(fi+ei)定义为中心度，表示测度指标在整个期刊学术影响力测度指标系统中的相对重要程度，值越大表明该测度指标的重要性越大。(fi-ei)定义为原因度，表示该测度指标与其他测度指标间的因果逻辑关系程度；原因度大于0时，表明该测度指标对其他测度指标的影响程度大，称为原因型指标；原因度小于0时，表明其他测度指标对该测度指标的影响程度大，称为结果型指标[19]。通过计算各期刊学术影响力测度指标的影响度、被影响度、中心度和原因度，可以清晰地反映出测度指标间的结构关系。

2 实证分析

2.1 指标体系的构建

《年报》是期刊评价体系是权威文献之一，旨在准确客观地报道期刊评价的计量指标。《年报》将综合统计源期刊与部分硕、博学位论文、会议论文结合，从而构成了复合类影响因子指标，该类指标能够较为客观地反映出期刊的学术影响力，其中包括复合总被引、影响因子、他引影响因子、5年影响因子和即年指标5个二级指标。除了上述公布的影响因子类指标，《年报》还从其他视角来表现出期刊的规模、影响力和传播力等特征，提出了一些计量指标。其中，出版指标包括可被引文献量、可被引文献比、基金论文比和平均引文数4个二级指标，引证指标包括引用半衰期、被引半衰期、引用期刊数、被引期刊数、他引总引比和互引指数6个二级指标，传播指标包括Web即年下载率和总下载量2个二级指标。期刊学术影响力的结果度量指标选取期刊影响力指数(CI)。期刊学术影响力测度指标体系见表1。

表1 期刊学术影响力测度指标体系

2.2 数据的选取及处理

本文数据选取2015年《中国学术期刊影响因子年报(人文社会科学)》[12]，以632种“综合性人文、社会科学”类期刊为研究样本，经过对缺失数据的筛选，最终选取了其中553种期刊数据进行分析。

根据俞立平等的研究[20]可知，被引半衰期和引用半衰期是属于成本型指标，首先需要对这两个指标进行取倒数转换成效益性指标，再对所有指标进行标准化处理。本研究从553份“综合性人文、社会科学”类期刊样本中随机抽取500份数据用于BP神经网络的训练，余下的53份数据用于检验神经网络的预测性能。

2.3 计算结果

将样本数据的17项测度指标作为输入矩阵，1项结果度量指标作为结果输出矩阵，借助Matlab R2014a软件，建立一个含有一个隐含层的三层BP神经网络模型，其网络结构为17-15-1。其中，隐含层个数设为15，允许拟合误差为0.0001，最大迭代次数为1000，网络学习速率为0.01，其余参数均设置为内置默认值[21]。

根据上文介绍的BP神经网络DEMATEL模型的建模步骤，首先经过多次训练后选取预测效果最好的网络并将其保存，此时53个测试样本的预测效果见图2；然后可以得到权值矩阵(W)17×15和(w)15×1及整体权值矩阵ω17×1；最后通过步骤Step 5～Step 7可以求得期刊学术影响力各测度指标的中心度与原因度值见表2。

图2 BP神经网络预测效果

指标编号fieifi+eifi-eix12.21380.77162.98541.4422x21.68521.01922.70440.6660x32.39890.71033.10931.6886x40.69922.43583.1351-1.7366x51.39441.23362.62810.1608x61.68451.01972.70420.6648x70.86891.97162.8405-1.1027x81.04691.64122.6881-0.5943x91.77810.96532.74340.8128x101.29691.32662.6234-0.0297x110.93851.82792.7664-0.8893x121.49311.15172.64480.3414x131.34381.28022.62400.0637x141.27811.34602.6241-0.0679x151.05961.62172.6813-0.5621x160.94041.82442.7648-0.8840x171.32481.29862.62340.0262

根据表2的计算结果，以各测度指标的中心度为横坐标，原因度为纵坐标，绘制出期刊学术影响力测度指标的原因—结果图见图3，该图能清晰直观地反映出各测度指标间的相互作用关系。

图3 期刊学术影响力测度指标的原因—结果图

参考车亮亮等[22]的研究，结合DEMATEL的分类法则，本研究将全部测度指标分为3类：①强驱动型指标：作为原因型指标，其原因度大于0，且中心度大于所有指标的中心度均值加上标准差之值(称为中心度阈值)，表明这类指标对期刊学术影响力的影响是最显著的，且对系统内其他结果型指标有较大的影响。②驱动型指标：同样是原因型指标，其原因度大于0，但中心度小于中心度阈值，表明这类指标在期刊学术影响力测度指标系统中有重要的地位，是推动发展期刊学术影响力发展的主要途径。③特征型指标：作为结果型指标，其原因度小于0，其中心度在中心度阈值附近，表明这类指标是其他原因型指标的综合影响结果，与其他测度指标密切关联，是促进期刊学术影响力提升的关键因素。

2.4 期刊学术影响力测度指标结构分析

2.4.1 期刊学术影响力强驱动型指标分析

根据图2可知，期刊学术影响力的强驱动型指标为他引影响因子(x3)和复合总被引(x1)，其原因度大于0且中心度大于中心度阈值2.9197。可知他引影响因子与复合总被引两个指标对其他结果型指标产生较强烈的影响作用，反映出这两个指标能够直接显著地影响期刊学术影响力，在期刊学术影响力评价工作中应该优先选取这两个指标。

他引影响因子不同于传统影响因子，它能够剔除自引文献量部分对自身影响因子的影响。某些期刊为了提升自身的学术影响力而通过不正当的手段增加自引率，但是经过BP神经网络DEMATEL模型结果可知，在期刊学术影响力测度指标中他引影响因子是最显著的决定性指标，增加自引率的行为并不能直接提升期刊的学术影响力。复合总被引是一个存量指标，表示的是自创刊来所发表的全部文献在统计年被引用的总次数，它反映的是该刊被使用及重视的程度，能够显著决定该刊的学术影响力。由此可知，他引影响因子和复合总被引能够最大程度上测度出期刊学术影响力，并且对其他结果型指标影响很大。

2.4.2 期刊学术影响力驱动型指标分析

由图2可知，期刊学术影响力的驱动型指标有平均引文数(x9)、影响因子(x2)、可被引文献量(x6)、引用期刊数(x12)、即年指标(x5)、被引期刊数(x13)和总下载量(x17)共7个指标，其原因度大于0但中心度小于中心度阈值。这类指标虽然作用强度弱于强驱动型指标，但在期刊学术影响力测度指标系统中具有重要的地位，是提升期刊学术影响力的有效途径及主要推动力。

按影响度从大到小排序可知前两位的驱动型指标依次为平均引文数和影响因子。平均引文数为在统计年的篇均参考文献的数量，平均引文数越高代表着论文质量的提升，反映的是期刊对引文工作的重视程度，同时也更符合学术规范和深度的要求。影响因子能够在一定程度上反映期刊的学术质量，但根据上文分析，他引影响因子比影响因子更能够测度出期刊的学术影响力。由此可知，平均引文数与影响因子指标同样能够很好地测度出期刊学术影响力，并且能够在一定程度上影响其他结果型测度指标。

2.4.3 期刊学术影响力特征型指标分析

同样根据图2，期刊学术影响力特征型指标有引用半衰期(x10)、他引总引比(x14)、互引指数(x15)、基金论文比(x8)、Web即年下载率(x16)、被引半衰期(x11)、可被引文献比(x7)和5年影响因子(x4)共8个指标，其中心度均小于0。这类指标能够影响期刊的学术影响力，但受到强驱动型指标和驱动型指标的影响较大。

根据被影响度绝对值可知，5年影响因子在所有特征型指标中受到其他原因型指标的影响最显著(-1.7366)，其中强驱动型指标他引影响因子和复合总被引对其影响最大。5年影响因子能够反映出期刊的平均被引特征，是衡量期刊较长期学术影响力的代表性指标。因此5年影响因子是促进期刊学术影响力提升的关键因素，但对其直接改变较困难，需要综合考虑他引影响因子和复合总被引对其的影响。

根据以上结果分析可知，本文建立的BP神经网络DEMATEL模型能够避免回归模型与相关性分析的单一性缺点，不仅能够辨别出期刊学术影响力测度指标的重要程度，还能分析出测度指标间的相互影响关系。同时，本文从他引影响因子、复合总被引、平均引文数和5年影响因子等测度指标综合考虑，为期刊学术影响力的建设提出一些建议。首先，期刊学术影响力的提高离不开论文质量的提升。期刊要密切关注学科的前沿发展，积极考虑采用具有创新性理论或方法的文章，同时要做好对文章质量的严格筛选。编辑应该提倡双向匿名的同行审稿制度，将文章的学术水平作为审核的唯一标准，要避免因作者单位、基金问题等因素而影响优秀论文的流失。还应该适当放宽论文的所占篇幅，不能随意对文章进行删减和修改，以保证研究内容的翔实、深入。其次，提升期刊学术影响力需要做好论文引文工作。期刊必须做好对参考文献的规范引用，仔细检查作者的引文错引率，杜绝要求作者增加本刊自引率的行为；同时还应该提倡文章保持适当的引文数。期刊需要做到对合理规范引用的引导，形成客观、务实的引文引用氛围。

3 结 语

本文以632种“综合性人文、社会科学”类期刊为研究样本，运用BP神经网络DEMATEL模型对期刊学术影响力测度指标间的相互作用关系进行全面分析。首先从四个维度反映期刊学术影响力的测度指标，对选取的数据进行缺失值筛选，并将反向指标正向变换后全部进行标准化处理；然后为了改善调查问卷和专家打分获取数据的缺陷，引进BP神经网络计算直接关联矩阵，再通过DEMATEL计算出各个指标间的中心度与原因度；最后绘制出期刊学术影响力测度指标的原因—结果图，并将指标分为强驱动型指标、驱动型指标和特征型指标三大类。结果表明BP神经网络DEMATEL模型能很好地反映出测度指标之间的结构关系；他引影响因子与复合总被引是期刊学术影响力的强驱动型指标，这两个指标能够直接显著地测度出期刊学术影响力，同时对其他结果型指标产生较强的影响；平均引文数和影响因子等是期刊学术影响力的驱动型指标，是提升期刊学术影响力的有效途径；5年影响因子等是期刊学术影响力的特征型指标，是促进期刊学术影响力提升的关键指标，同时受到强驱动型指标的影响较大，得到的一些结论可以为期刊学术影响力的建设及评价工作提供一定的借鉴意义。

[1]张积玉.学术期刊影响力及其评价指标体系的构建[J].陕西师范大学学报：哲学社会科学版,2010,9(5):151-154.

[2]蒋勇青,齐萍.学术期刊影响力评价方法研究[J].中国软科学,2017,(3):178-185.

[3]俞立平,潘云涛,武夷山.基于分位数回归的期刊影响因子影响因素研究[J].图书情报工作,2010,54(16):145-148.

[4]于挨福,马虎兆.科学、科学研究类期刊影响因子相关因素的实证研究[J].科学学研究,2008,26(4):767-772.

[5]俞立平,潘云涛,武夷山.学术期刊来源指标与影响力关系的实证研究[J].科研管理,2010,31(6):173-179.

[6]Braun T,Glanzel W,Schubert A.A Hirsch-type index for journals[J].Scientometrics,2006,69(1):169-173.

[7]应倩,夏庆民,戴丽琼,等.医学期刊h指数与影响因子、总被引频次的相关性分析[J].中国科技期刊研究,2012,23(2):232-234.

[8]Bergstrom C T,West J D,Wiseman M A.The Eigenfactor? Metrics[J].Journal of Neuroscience the Official Journal of the Society for Neuroscience,2008,28(45):11433-11434.

[9]俞立平,隆新文,武夷山.特征因子与其他文献计量指标关系研究——基于面板数据的估计[J].科研管理,2012,33(8):41-47.

[10]马凤.基于PageRank算法的期刊影响力研究[J].情报杂志,2014,33(12):103-108.

[11]邵作运,李秀霞.f(x)指数：期刊学术影响力评价新指标[J].中国科技期刊研究,2015,26(11):1194-1199.

[12]中国社会科学文献计量评价研究中心,清华大学图书馆.中国学术期刊影响因子年报(人文社会科学)[Z].北京:中国学术期刊(光盘版)电子杂志社,2015.

[13]丁筠.学术期刊影响力指数(CI)预测模型的构建[J].情报科学,2017,35(2):27-32,37.

[14]孙永河,韩玮,段万春.复杂系统DEMATEL算法研究进展评述[J].控制与决策,2017,32(3):385-392.

[15]杨扬,杨尚鹏,章牧,等.基于DEMATEL法的旅行预订类App评价指标体系[J].旅游学刊,2016,31(2):64-74.

[16]Lee Y C,Li M L,Yen T M,et al.Analysis of adopting an integrated decision making trial and evaluation laboratory on a technology acceptance model[J].Expert Systems with Applications,2010,37(2):1745-1754.

[17]Hsu C W,Kuo T C,Chen S H,et al.Using DEMATEL to develop a carbon management model of supplier selection in green supply chain management[J].Journal of Cleaner Production,2013,56(10):164-172.

[18]崔强,武春友,匡海波.BP-DEMATEL在空港竞争力影响因素识别中的应用[J].系统工程理论与实践,2013,33(6):1471-1478.

[19]秦晓楠,卢小丽.基于BP-DEMATEL模型的沿海城市生态安全系统影响因素研究[J].管理评论,2015,27(5):48-58.

[20]俞立平,潘云涛,武夷山.学术期刊非线性评价模拟权重的动态变化研究[J].软科学,2011,25(4):135-140.

[21]史峰,王小川,郁磊,等.MATLAB神经网络30个案例分析[M].北京:北京航空航天大学出版社,2010:11-20.

[22]车亮亮,韩雪,秦晓楠.基于BP-DEMATEL模型的农产品虚拟水流动影响因素分析[J].冰川冻土,2015,37(4):1112-1119.

ResearchontheStructureofJournalAcademicInfluenceMeasurementIndexes——BasedonBPNeuralNetworkandDEMATELModel

Zhang Heping Chen Qihai

(School of Economic & Management,Nanchang University,Nanchang 330031,China)

[Purpose/Significance]The journal academic influence has become the research hotspot in academic circles and periodical fields.Many scholars have analyzed the structure of journal academic influence measurement indexes,but lacked the study of the interaction between the measurement indexes on the whole.[Method/Process]In this paper,it took 632 kinds of“comprehensive humanities,social sciences”journals as the research sample.The paper construced the measurement indexes system of journal academic influence from four aspects,then used BP-DEMATEL model to calculate the degree of causal and centrality of the measurement index,and to analyze the importance and the mutual connection of each index base on the reason - result graph.[Result/Conclusion]The results showed that the non-self-citing impact factor and the composite total citation were the strong driving indexes,the top two driving indexes are the average number of citation and the impact factor,the 5-year impact factor was the most significant feature type index.This model could accurately reflect the structural relationship between indicators.

journal academic influence;BP neural network;DEMATEL;index structure

10.3969/j.issn.1008-0821.2018.01.012

G255.2

A

1008-0821(2018)01-0087-05

2017-05-18

张和平(1963-)，男，副教授，研究方向：运营管理，预测与决策分析。陈齐海(1991-)，男，硕士研究生，研究方向：预测与决策分析。

郭沫含)