當前位置：首頁 SCI期刊 SCIE期刊數學中科院2區 JCRQ1 期刊介紹(非官網)

BiometrikaSCIE

國際簡稱：BIOMETRIKA 參考譯名：生物識別

中科院分區
2區
CiteScore分區
Q1
JCR分區
Q1

基本信息：: ISSN：0006-3444; E-ISSN：1464-3510; 是否OA：未開放; 是否預警：否; TOP期刊：是

出版信息：: 出版地區：ENGLAND; 出版商：Oxford University Press; 出版語言：English; 出版周期：Quarterly; 出版年份：1901; 研究方向：生物-生物學

評價信息：: 影響因子：2.4; H-index：105; CiteScore指數：5.5; SJR指數：3.358; SNIP指數：2.563

發文數據：: Gold OA文章占比：14.67%; 研究類文章占比：100.00%; 年發文量：70; 自引率：0.0370...; 開源占比：0.0927; 出版撤稿占比：0; 出版國人文章占比：0.1; OA被引用占比：0.0981...

投稿咨詢加急見刊

英文簡介期刊介紹 CiteScore數據中科院SCI分區 JCR分區發文數據常見問題

英文簡介Biometrika期刊介紹

Biometrika is primarily a journal of statistics in which emphasis is placed on papers containing original theoretical contributions of direct or potential value in applications. From time to time, papers in bordering fields are also published.

期刊簡介Biometrika期刊介紹

《Biometrika》自1901出版以來，是一本數學優秀雜志。致力于發表原創科學研究結果，并為數學各個領域的原創研究提供一個展示平臺，以促進數學領域的的進步。該刊鼓勵先進的、清晰的闡述，從廣泛的視角提供當前感興趣的研究主題的新見解，或審查多年來某個重要領域的所有重要發展。該期刊特色在于及時報道數學領域的最新進展和新發現新突破等。該刊近一年未被列入預警期刊名單，目前已被權威數據庫SCIE收錄，得到了廣泛的認可。

該期刊投稿重要關注點：

預計審稿時間：較慢,6-12周
國際TOP期刊
數學
MATHEMATICAL & COMPUTATIONAL BIOLOGY
SCIE
中科院2區
非預警

Cite Score數據（2024年最新版）Biometrika Cite Score數據

CiteScore：5.5
SJR：3.358
SNIP：2.563

學科類別	分區	排名	百分位
大類：Mathematics 小類：General Mathematics	Q1	21 / 399	94%
大類：Mathematics 小類：Statistics and Probability	Q1	24 / 278	91%
大類：Mathematics 小類：Agricultural and Biological Sciences (miscellaneous)	Q1	24 / 193	87%
大類：Mathematics 小類：Applied Mathematics	Q1	79 / 635	87%
大類：Mathematics 小類：Statistics, Probability and Uncertainty	Q1	22 / 168	87%
大類：Mathematics 小類：General Agricultural and Biological Sciences	Q1	36 / 221	83%

CiteScore 是由Elsevier(愛思唯爾)推出的另一種評價期刊影響力的文獻計量指標。反映出一家期刊近期發表論文的年篇均引用次數。CiteScore以Scopus數據庫中收集的引文為基礎，針對的是前四年發表的論文的引文。CiteScore的意義在于，它可以為學術界提供一種新的、更全面、更客觀地評價期刊影響力的方法，而不僅僅是通過影響因子(IF)這一單一指標來評價。

歷年Cite Score趨勢圖

中科院SCI分區Biometrika 中科院分區

中科院 2023年12月升級版 綜述期刊：否 Top期刊：否

大類學科	分區	小類學科	分區
數學	2區	MATHEMATICAL & COMPUTATIONAL BIOLOGY 數學與計算生物學 BIOLOGY 生物學 STATISTICS & PROBABILITY 統計學與概率論	1區 2區 2區

中科院分區表 是以客觀數據為基礎，運用科學計量學方法對國際、國內學術期刊依據影響力進行等級劃分的期刊評價標準。它為我國科研、教育機構的管理人員、科研工作者提供了一份評價國際學術期刊影響力的參考數據，得到了全國各地高校、科研機構的廣泛認可。

中科院分區表 將所有期刊按照一定指標劃分為1區、2區、3區、4區四個層次，類似于“優、良、及格”等。最開始，這個分區只是為了方便圖書管理及圖書情報領域的研究和期刊評估。之后中科院分區逐步發展成為了一種評價學術期刊質量的重要工具。

歷年中科院分區趨勢圖

JCR分區Biometrika JCR分區

2023-2024 年最新版

按JIF指標學科分區	收錄子集	分區	排名	百分位
學科：BIOLOGY	SCIE	Q2	39 / 109	64.7%
學科：MATHEMATICAL & COMPUTATIONAL BIOLOGY	SCIE	Q2	24 / 65	63.8%
學科：STATISTICS & PROBABILITY	SCIE	Q1	22 / 168	87.2%

按JCI指標學科分區	收錄子集	分區	排名	百分位
學科：BIOLOGY	SCIE	Q1	24 / 109	78.44%
學科：MATHEMATICAL & COMPUTATIONAL BIOLOGY	SCIE	Q2	17 / 65	74.62%
學科：STATISTICS & PROBABILITY	SCIE	Q1	23 / 168	86.61%

JCR分區的優勢在于它可以幫助讀者對學術文獻質量進行評估。不同學科的文章引用量可能存在較大的差異，此時單獨依靠影響因子(IF)評價期刊的質量可能是存在一定問題的。因此，JCR將期刊按照學科門類和影響因子分為不同的分區，這樣讀者可以根據自己的研究領域和需求選擇合適的期刊。

歷年影響因子趨勢圖

發文數據

2023-2024 年國家/地區發文量統計

國家/地區數量
USA148
England30
CHINA MAINLAND29
Italy13
Canada12
GERMANY (FED REP GER)9
Switzerland9
Belgium8
Australia6
France4

本刊中國學者近年發表論文

1、Linearized maximum rank correlation estimation
Author: Shen, Guohao; Chen, Kani; Huang, Jian; Lin, Yuanyuan

Journal: BIOMETRIKA. 2023; Vol. 110, Issue 1, pp. 187-203. DOI: 10.1093/biomet/asac027
2、Response best-subset selector for multivariate regression with high-dimensional response variables
Author: Hu, Jianhua; Huang, Jian; Liu, Xiaoqian; Liu, Xu

Journal: BIOMETRIKA. 2023; Vol. 110, Issue 1, pp. 205-223. DOI: 10.1093/biomet/asac037
3、Functional linear regression for discretely observed data: from ideal to reality
Author: Zhou, Hang; Yao, Fang; Zhang, Huiming

Journal: BIOMETRIKA. 2023; Vol. 110, Issue 2, pp. -. DOI: 10.1093/biomet/asac053
4、An instrumental variable method for point processes: generalized Wald estimation based on deconvolution
Author: Jiang, Zhichao; Chen, Shizhe; Ding, Peng

Journal: BIOMETRIKA. 2023; Vol. , Issue , pp. -. DOI: 10.1093/biomet/asad005
5、A robust fusion-extraction procedure with summary statistics in the presence of biased sources
Author: Wang, Ruoyu; Wang, Qihua; Miao, Wang

Journal: BIOMETRIKA. 2023; Vol. , Issue , pp. -. DOI: 10.1093/biomet/asad013
6、Counting process-based dimension reduction methods for censored outcomes.
Author: Sun Q¹, Zhu R², Wang T³, Zeng D⁴.

Journal: Biometrika. 2019 Mar;106(1):181-196. doi: 10.1093/biomet/asy064. Epub 2019 Jan 7.
7、Differential Markov random field analysis with an application to detecting differential microbial community networks.
Author: Cai TT¹, Li H², Ma J², Xia Y³.

Journal: Biometrika. 2019 Jun;106(2):401-416. doi: 10.1093/biomet/asz012. Epub 2019 Apr 22.
8、Estimation of a partially linear additive model for data from an outcome-dependent sampling design with a continuous outcome
Author: gyqin

Journal: BIOMETRIKA, 2016.