教育焦虑对育龄群体生育意愿的影响研究——基于成本—心理双重视角
2026-08-06 15:10
🔍 耿同学打假报告
论文信息
- 标题:教育焦虑对育龄群体生育意愿的影响研究——基于成本—心理双重视角
- 作者:袁培,韩震,蔡雯杰
- 期刊:西北人口
- DOI:https://link.cnki.net/urlid/62.1019.C.20260423.1905.002
- 发表年份:2026 (网络首发日期:2026-04-24)
- 论文来源:教育焦虑对育龄群体生育意愿的影响研究——基于成本—心理双重视角_袁培.pdf
综合评定:🟠 高度可疑
详细发现
发现 1:数据异常与高度疑似复制粘贴错误(数据造假检测)
- 位置:表3(第10页)与 表8(第13页)
- 描述:基准回归与机制分析中出现了统计学上几乎不可能完全巧合的回归系数。
- 证据:
- 在 表3 的列(1) 中,报告了在没有控制变量、仅有省份固定效应的情况下,核心解释变量“教育焦虑”对“生育意愿”的 Oprobit 回归系数为 -1.137(样本量 N=3350)。
- 在 表8 的列(5) 中,报告了在加入了控制变量、省份固定效应的情况下,核心解释变量“教育焦虑”对中介变量“男孩偏好”的 Probit 回归系数竟然也是 -1.137(样本量 N=1282)。
- 极度不合理之处:这是两个完全不同的因变量(一个是多分类的生育意愿,一个是二分类的男孩偏好),使用了不同数量的样本(3350个全样本 vs 1282个头胎女孩子样本),甚至使用了不同的回归模型(Oprobit vs Probit),且一个无控制变量一个有控制变量。在这些所有条件都不同的情况下,跑出来的核心系数竟然在小数点后三位完全一模一样(-1.137)。这在真实的计量经济学操作中概率无限趋近于零。这极大概率是作者在编写论文或伪造数据时,发生了低级的“复制粘贴”错误,直接把表3的结果挪到了表8。
- 严重程度:🔴
发现 2:时间线与文献引用合规性检测
- 位置:参考文献列表(第15-16页)及首页脚注
- 描述:检测引用文献年份与发表年份的时间逻辑。
- 证据:
- 论文收稿日期为 2025-12-22,网络首发为 2026-04-24。
- 文中大量引用了 2025年 的文献(如唐逸文等,2025;俞劼等,2025;刘诗羽和罗必良,2025等)。这说明作者在2025年底投稿时,引用了当年的最新文献,时间线上是合理的,没有出现“穿越”引用未来文献的情况。
- 严重程度:✅ (未触发红旗)
发现 3:方法学与统计模型自洽性
- 位置:第四部分(第9页)及表8(第13页)
- 描述:检验中介效应方法的合理性。
- 证据:作者明确指出“参考江艇(2022)的建议进行机制分析”,因此表8中只报告了教育焦虑对中介变量(经济负担、主观幸福感等)的回归,而没有强行跑中介变量对生育意愿的回归。这是目前国内经济学/社会学顶级期刊中非常推崇的严谨做法,避免了传统中介效应逐步法的内生性诟病。这说明作者具备较好的计量经济学素养,或者至少认真读过方法论文章。
- 严重程度:✅ (未触发红旗)
发现 4:样本量拆分的逻辑性
- 位置:表7 异质性分析结果(第12页)
- 描述:检验分组回归的样本量加总逻辑。
- 证据:总样本量为3350。
- 年龄分组:低年龄(1481) + 高年龄(1869) = 3350。
- 城乡分组:农村(1452) + 城镇(1898) = 3350。
- 学历分组:高学历(852) + 低学历(2498) = 3350。
样本拆分严丝合缝,没有出现为了凑显著而随意剔除样本导致分组加总不对的常见低级错误。
- 严重程度:✅ (未触发红旗)
发现 5:图片与像素级分析(图片复用/拼接检测)
- 位置:全文
- 描述:本论文为纯文本及表格数据构成的社科类计量论文,未包含 Western blot、显微镜图、凝胶电泳等生物医学图像。
- 证据:文本中未提供任何实验图片,无法进行图像伪造、翻转、一图多用或 PS 痕迹的检测。
- 严重程度:⚪ (不适用)
耿同学辣评
有些同学造假吧,好歹还懂得给随机数生成器加点噪声,或者造数据的时候稍微改改小数点后两位。但这篇论文的作者可倒好,表3里的系数 -1.137,换了个模型、换了个因变量、甚至连样本量都砍掉了一大半,跑到表8里居然原封不动地吐出来个 -1.137!哪怕你改成 -1.136 或者 -1.138 呢?这种一模一样的“神级巧合”,概率比你出门连续被雷劈三次还要低。这种“复制粘贴”式写论文的态度,是把审稿人和读者的智商按在地上狠狠摩擦啊!
建议后续行动
- 建议读者及学术监督平台向作者索取表8列(5)的原始 Stata/Python 日志代码,确认该系数是如何“巧合”生成的。
- 在 PubPeer 上针对该论文提出数据巧合性质疑。
- 联系《西北人口》编辑部,要求对表3和表8的数据一致性进行作者问询。
⚠️ 免责声明
本报告由 AI 辅助生成,仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信,但也尊重每一位研究者的名誉权。
如有异议,请以官方调查结论为准。
本工具不保证检测结果的准确性,误报和漏报均有可能。