探索科学期刊影响因子分析

《甘肃科技》 一般期刊复合影响因子：181 综合影响因子：096 《情报探索》一般期刊复合影响因子：406 综合影响因子：285 《农业特色情报学刊》 一般期刊复合影响因子：245 综合影响因子：183 《情报探索》的编委会都是行业大牛，从整体质量来说，更好！推荐还是投 《情报探索》吧！

探索性因子分析和验证性因子分析的差异之处基本思想不同 因子分析的基本思想是要寻找公共因子，以达到降维的目的。探索性因子分析主要是为了找出影响观测变量的因子个数，以及各个因子和各个观测变量之间的相关程度，以试图揭示一套相对比较大的变量的内在结构。研究者的假定是每个指标变量都与某个因子匹配，而且只能通过因子载荷凭知觉推断数据的因子结构。而验证性因子分析的主要目的是决定事前定义因子的模型拟合实际数据的能力，以试图检验观测变量的因子个数和因子载荷是否与基于预先建立的理论的预期一致。指标变量是基于先验理论选出的，而因子分析是用来看它们是否如预期的一样。其先验假设是每个因子都与一个具体的指示变量子集对应，并且至少要求预先假设模型中因子的数目，但有时也预期哪些变量依赖哪个因子。应用前提不同 　探索性因子分析没有先验信息，而验证性因子分析有先验信息。探索性因子分析是在事先不知道影响因子的基础上，完全依据样本数据，利用统计软件以一定的原则进行因子分析，最后得出因子的过程。在进行探索性因子分析之前，不必知道要用几个因子，以及各因子和观测变量之间的关系。在进行探索性因子分析时，由于没有先验理论，只能通过因子载荷凭知觉推断数据的因子结构。上述数学模型中的公共因子数m 在分析前并未确定，而是在分析过程中视中间结果而决定，各个公共因子ξi统一地规定为均影响每个观测变量xi。在管理研究中，如仅仅从数据出发，很难得到科学的结果，甚至可能与已有的理论或经验相悖。因此，探索性因子分析更适合于在没有理论支持的情况下对数据的试探性分析。这就需要用验证性因子分析来做进一步检验。而验证性因子分析则是基于预先建立的理论，要求事先假设因子结构，其先验假设是每个因子都与一个具体的指示变量子集对应，以检验这种结构是否与观测数据一致。也就是在上述数学模型中，首先要根据先验信息判定公共因子数m，同时还要根据实际情况将模型中某些参数设定为某一定值。这样，验证性因子分析也就充分利用了先验信息，在已知因子的情况下检验所搜集的数据资料是否按事先预定的结构方式产生作用。理论假设不同 　探索性因子分析的假设主要包括：①所有的公共因子都相关(或都不相关)；②所有的公共因子都直接影响所有的观测变量；③ 特殊(唯一性)因子之间相互独立；④ 所有观测变量只受一个特殊(唯一性)因子的影响；⑤ 公共因子与特殊因子(唯一性)相互独立。验证性因子分析克服了探索性因子分析假设条件约束太强的缺陷，其假设主要包括：① 公共因子之间可以相关，也可以无关；② 观测变量可以只受一个或几个公共因子的影响，而不必受所有公共因子的影响；③特殊因子之间可以相关，还可以出现不存在误差因素的观测变量；④ 公共因子与特殊因子之间相互独立。分析步骤不同 　探索性因子分析主要有以下七个步骤：① 收集观测变量：通常采用抽样的方法，按照实际情况收集观测变量数据。② 构造相关矩阵：根据相关矩阵可以确定是否适合进行因子分析。③确定因子个数：可根据实际情况事先假定因子个数，也可以按照特征根大于1的准则或碎石准则来确定因子个数。④ 提取因子：可以根据需要选择合适的因子提取方法，如主成分方法、加权最小平方法、极大似然法等。⑤ 因子旋转：由于初始因子综合性太强，难以找出实际意义，因此一般都需要对因子进行旋转(常用的旋转方法有正交旋转、斜交旋转等)，以便于对因子结构进行合理解释。⑥解释因子结构：可以根据实际情况及负载大小对因子进行具体解释。⑦计算因子得分：可以利用公共因子来做进一步的研究，如聚类分析、评价等。而验证性因子分析主要有以下六个步骤：① 定义因子模型：包括选择因子个数和定义因子载荷。因子载荷可以事先定为0、或者其它自由变化的常数，或者在一定的约束条件下变化的数(比如与另一载荷相等)。② 收集观测值：根据研究目的收集观测值。③获得相关系数矩阵：根据原始资料数据获得变量协方差阵。④ 拟合模型：这里需要选择一种方法(如极大似然估计、渐进分布自由估计等)来估计自由变化的因子载荷。⑤ 评价模型：当因子模型能够拟合数据时，因子载荷的选择要使模型暗含的相关矩阵与实际观测矩阵之间的差异最小。常用的统计参数有：卡方拟合指数(x)、比较拟合指数(CFI)、拟合优度指数(GFI)和估计误差均方根(RMSEA)。根据Bentler(1990)的建议标准，x/DF≤0、CFI≥90、GFI≥85、RMSE≤05，则表明该模型的拟合程度是可接受的。⑥修正模型：如果模型拟合效果不佳，应根据理论分析修正或重新限定约束关系，对模型进行修正，以得到最优模型。主要应用范围不同 　探索性因子分析主要应用于三个方面：①寻求基本结构，解决多元统计分析中的变量间强相关问题；② 数据化简；③发展测量量表。验证性因子分析允许研究者将观察变量依据理论或先前假设构成测量模式，然后评价此因子结构和该理论界定的样本资料间符合的程度。因此，主要应用于以下三个方面：① 验证量表的维度或面向性(dimensionality)，或者称因子结构，决定最有效因子结构；② 验证因子的阶层关系；③ 评估量表的信度和效度。探索性因子分析和验证性因子分析的正确用法 　从上述分析可以看出，探索性因子分析和验证性 因子分析是因子分析的两个不可分割的重要组成部分，在管理研究的实际应用中，两者不能截然分开，只有结合运用，才能相得益彰，使研究更有深度。An-derson，J．C．，Gerbin，D．W 建议，在发展理论的过程中，首先应通过探索性因子分析建立模型，再用验证提供了发析现模型以验证和修正的概念和计算工具，其提供的结果为验证性因子分析建立假设提供了重要的基础和保证。两种因子分析缺少任何一个，因子分析都将是不完整的 。一般来说，如果研究者没有坚实的理论基础支撑，有关观测变量内部结构一般先用探索性因子分析，产生一个关于内部结构的理论，再在此基础上用验证性因子分析，这样的做法是比较科学的，但这必须要用两组分开的数据来做。如果研究者直接把探索性因子分析的结果放到统一数据的验证性因子分析中，研究者就仅仅是拟合数据，而不是检验理论结构。如果样本容量足够大的话，可以将数据样本随机分成两半，合理的做法就是先用一半数据做探索性因子分析，然后把分析取得的因子用在剩下的一半数据中做验证性因子分析。如果验证性因子分析的拟合效果非常差，那么还必须用探索性因子分析来找出数据与模型之间的不一致。

楼主求采纳~学术期刊影响力指数（AJCI）说明学术期刊影响力的定义在普遍意义上，学术期刊（以下简称“期刊”）的影响力一般是指期刊在一定时期内发表的学术研究成果，在某段时间里促进相关学术研究与应用之发展的能力。这种能力本源上产生于文献的学术价值与应用价值的大小，但也受该段时间内社会对其价值的认知水平与认同程度、期刊内容的多样性，以及期刊自身及其相关渠道的传播与扩散能力等诸多因素制约，所以对其作出客观、准确的定性分析和评价是非常复杂而困难的。忽略了不同文献所产生学术影响的定性差异，计量某个统计年度内出版的某些源文献引证期刊的次数，可以在统计学意义上反映期刊在该统计年度产生的影响力。简单而常用的计量指标有期刊的总被引频次（TC，广延量，评价对象为期刊已发表的所有文献）、影响因子（IF，强度量，评价对象为期刊在统计年之前两年发表的文献）、即年指标（强度量，评价对象为期刊在统计年发表的文献）等。显然，上述指标的评价对象是期刊在不同时期发表的文献，且评价角度、计量方法各不相同，任一指标都不能全面反映期刊的影响力。期刊评价中片面强调其中某个指标，都会导致期刊出现片面发展倾向，甚至引发期刊的学术不端行为，干扰期刊正常发展。因此，人们一直在希望找到一个综合反映期刊影响力的计量指标。然而，过去这方面的工作总是试图将TC、IF 等指标先验地假设为同一线性空间的可加标量，按一组人为设定的权重参数拟合为一个“综合指标”，而未注意区分这些指标的内禀属性，得到的期刊排序结果也难以给予合理的解释。中国科学文献计量评价研究中心在2013 年首次提出了一种综合评价学术期刊影响力的方法，连续两年应用于“中国最具国际影响力学术期刊”的遴选，基本原理、计算方法和结果得到了国内外学术界和期刊界的基本认可。期刊影响力指数（CI）的基本定义定义1：期刊影响力排序空间在某种可比较大小的期刊范围内（同一学科内）将TC、IF 分别归一化处理为tc、if， 并按其大小进行期刊排序，即可在排序意义上将TC、IF 映射到一个2 维空间，称为“期刊影响力排序空间”。由于在排序意义上tc、if 是相互独立的，因而tc、if 是正交的。定义2：期刊影响力等位线定义3：期刊影响力指数（CI）期刊影响力指数（CloutIndex ，简称CI），是反映一组期刊中各刊影响力大小的综合指标，它是将期刊在统计年的总被引频次（TC）和影响因子（IF）双指标进行组内线性归一后向量平权计算所得的数值，用于对组内期刊排序。CI 的计算公式为：CI 的几何意义如下：图1 期刊影响力指数CI 示意图如图1 所示，（0，0）代表影响因子和总被引频次均为0 的期刊。右上角的点（1，1） 代表影响因子和总被引频次均为最大值的组内“影响力最大期刊”。以（1，1）为原点画圆弧，弧线即影响力等位线，弧线上的各点表示其CI 值大小相等的期刊。分布在弧线左下方的点对应的期刊其相对影响力小于分布于弧线右侧的期刊。可以形象地看到，期刊的CI 值越大，该刊距组内“影响力最大期刊”的差距越小。CI 的具体统计方法1 统计源文献为了突出反映期刊对中高端学术研究的影响力，计算构成CI 的TC、IF 时，选用了《中国学术期刊影响因子年报（2015 版）》（下简称《年报（2015）》）中各学科期刊综合他引影响因子排名前60%的期刊，以及博士论文和会议论文，不包括硕士论文。2 他引频次为了体现公平计量，CI 计算中，TC 为总他引频次、IF 为他引影响因子。3 量效指数（Journal Mass Index，简称JMI） 从CI 示意图中可以看出，CI 等位线对单一指标的一般性奇异行为具有较好抑制效果，但对特殊奇异现象，特别是单纯为追求大TC 盲目扩大发文量而降低学术质量的情况，抑制效果尚不理想，这种情况干扰了CI 排序的公正性。为了解决这个问题，我们引入了量效指数（JMI），用以消除这种奇异性造成的影响。量效指数（JMI）是某刊影响因子对应的发文量与该刊影响因子的比值，意义是该刊每产生单位影响因子所需要的论文数量。定义为：JMI 越大表示该刊越“臃肿”，也就是发文规模很大而效用不高。为了全面反映期刊的量效关系，JMI 计算中采用了《年报（2015 版）》公布的复合影响因子。4JMI 对CI 的修正《年报（2015 版）》分别对自科、社科期刊进行了JMI 由大到小排序。按该排序，取排名前5%且可被引文献量大于平均可被引文献量的期刊名单作为需要修正CI 的期刊名单，对这些期刊的TC 所占权重进行修正，其他期刊未作调整。CI 中的TC 和IF 的权重比例为1： 1，被调整期刊的TC 权重根据JMI 大小分别降低至2~05 。具体调整办法为：?其中k 为他引频次调整系数。按JMI 大小将期刊分为三档，TC 权重调整系数分别为该档期刊JMI 均值与所有期刊JMI 均值的比值。各档JMI 指数对应权重具体数据如下：表1 JMI 类型及其他引频次调整系数JMI 类型 取值区间 他引频次调整系数（k） 调整期刊数社 臃肿 [10000～20000) 2 43科 非常臃肿 [20000～40000) 1 23极臃肿 ≧40000 05 11自 臃肿 [7000~17000) 2 102科 非常臃肿 [17000~37000) 1 40极臃肿 ≧37000 05 说明与讨论我们引入了一种可较全面反映期刊学术影响力的指数CI，可以给出某学科期刊的影响力排序，但不能直接用于评价期刊内容质量。另请注意，CI 是在一组期刊内定义的，只可用于组内期刊排序，不可用于跨组比较。如需跨组比较，应将不同的组定义为一个组，重新计算CI 值。本报告利用JMI 对234 种期刊的CI进行了修正，如有不妥，请批评指正。CI 定义中只采用了TC、IF，未考虑其他计量指标，如即年指标、引证半衰期等，另还有一些问题有待商榷。进一步的研究尚在进行之中，请有关专家提出宝贵建议。

一般都是统计期刊的影响因子，不同的组织给出他们的统计结果，一般不针对单个文章说影响因子，评判单个文章一般用引用量和引用论文级别来考量

影响因子是1972年由E1加菲尔德提出的，现已成为国际上通行的一个期刊评价指标。学术期刊影响因子（Impact Factor）是指期刊近两年的平均被引率，即该期刊前两年发表的论文在评价当年被引用的平均次数。用公式表示为：影响因子=该刊前2年所发表的论文在第3年被引用的次数/该刊2年内所发表的论文总数从其定义可知，影响因子的三个决定因素分别为时间（2年）、论文总数（该刊连续2年内所发表论文总数）、被引用次数（上述论文在第3年被引用的总次数）。影响因子是一个相对数量指标，一般认为能够较好的反映期刊被使用的真实客观情况，可较公平的评价各类学术期刊，通常影响因子越大，期刊的学术影响力和作用也越大！我是润勉论文网的袁老师，以上是我了解到的资料，如果你还有什么问题，可以随时登陆我的网站详细咨询！

影响因子（Impact Factor，IF）是汤森路透（Thomson Reuters）出品的期刊引证报告（Journal Citation Reports，JCR）中的一项数据。 即某期刊前两年发表的论文在该报告年份（JCR year）中被引用总次数除以该期刊在这两年内发表的论文总数。这是一个国际上通行的期刊评价指标。影响因子现已成为国际上通用的期刊评价指标，它不仅是一种测度期刊有用性和显示度的指标，而且也是测度期刊的学术水平，乃至论文质量的重要指标。影响因子是一个相对统计量。影响因子并非一个最客观的评价期刊影响力的标准。扩展资料影响因子虽然可在一定程度上表征其学术质量的优劣，但影响因子与学术质量间并非呈线性正比关系，比如不能说影响因子为0的期刊一定优于影响因子为0的期刊，影响因子不具有这种对学术质量进行精确定量评价的功能。国内部分科研机构，在进行科研绩效考评时常以累计影响因子或单篇影响因子达到多少作为量化标准，有的研究人员可能因影响因子差1分而不能晋升职称或评定奖金等，这种做法绝对是不可取的。参考资料来源：百度百科-影响因子