🔍 耿同学打假报告

论文信息

• 标题：高校招生平行志愿改革对生源分布的影响研究
• 作者：孙志军（北京师范大学经济与工商管理学院/首都教育经济研究基地）；刘紫彤（北京师范大学经济与工商管理学院）
• 期刊：清华大学教育研究
• DOI：10.14138/j.1001-4519.2025.05.007812
• 发表年份：2025年（预计10月刊出，第46卷第5期）
• 论文来源：高校招生平行志愿改革对生源分布的影响研究_孙志军.pdf

综合评定：✅ 清白

详细发现

发现 1：图片复用与拼接检测（一图多用/PS痕迹）

• 位置：全文图表（Figure 1, Figure 2 及 Table 1-8）
• 描述：由于当前提交的文本材料中未包含原始的高清图片像素信息，无法进行基于图像噪点、背景纹理或边缘裁切痕迹的像素级鉴定。
• 证据：此类经济学/教育学的量化实证论文通常以折线图（事件研究法的系数图）和回归表格为主，极少涉及Western blot或显微镜照片。文中提及的图1（动态效应）和图2（安慰剂检验）为标准计量经济学统计图，文本描述中未发现违反常理的图像表述。
• 严重程度：🟢（无异常）

发现 2：数据造假检测（随机数生成器检测）

• 位置：第五部分（二）平行志愿对不同地区高校的影响
• 描述：对文中报告的交互项计算进行了数学自洽性验证。
• 证据：文中写道：“对于东部地区高校，平行志愿改革使其综合录取分数线差比例提高了约1.3（=3.014-1.690），理科提高了0.74（=2.971-2.231），文科提高了约2.1（=4.539-2.417）”。
  • 核验综合：3.014 - 1.690 = 1.324（文中取约数1.3，合理）
  • 核验理科：2.971 - 2.231 = 0.740（与文中0.74严丝合缝）
  • 核验文科：4.539 - 2.417 = 2.122（文中取约数2.1，合理）
    数据加减逻辑自洽，不存在胡编乱造的随机数生成痕迹。
• 严重程度：🟢（无异常，数学逻辑自洽）

发现 3：统计学异常检测

• 位置：第四部分（三）安慰剂检验
• 描述：作者进行了500次随机分配的安慰剂检验，并报告“回归系数p值小于0.05的点仅有32个（占比6.4%）”。
• 证据：在5%的显著性水平下，如果政策效应是真实的（即原假设成立），那么随机打乱数据后得到显著结果的概率应该围绕5%波动。文中报告的6.4%（32/500）非常接近理论上的I类错误概率（5%），且没有出现“所有随机结果都极其显著”的p-hacking迹象。这说明基准回归的结果不太可能是由于偶然的统计运气造成的。
• 严重程度：🟢（无异常，符合统计学规律）

发现 4：计量经济学方法的前沿性审查

• 位置：第三部分（三）计量模型
• 描述：检查作者对多期DID（Staggered DID）方法潜在问题的认知。
• 证据：文中明确引用了 de Chaisemartin and D'Haultfœuille (2020) 的经典文献，指出了“TWFE估计量可能是多期平均处理效应的加权平均，且权重可能为负”这一近年来计量经济学界极其关注的“多期DID估计偏误”问题，并因此采用了事件研究法进行动态效应检验。
• 严重程度：🟢（无异常，不仅没造假，反而证明作者具备很高的现代计量素养，没有盲目套用传统双重差分模型）

发现 5：时间线与产出异常检测

• 位置：文章首页/收稿日期
• 描述：审查论文发表的时间逻辑。
• 证据：论文收稿日期为2024年9月10日，预计发表时间为2025年10月（当前基准日期为2026年5月）。发表周期约1年，对于CSSCI来源期刊《清华大学教育研究》属于正常甚至偏快的审稿周期。使用的样本数据为2005-2015年，研究2025年发表不存在时间线冲突。
• 严重程度：🟢（无异常）

发现 6：数据来源与可复现性评估

• 位置：第三部分（一）数据来源
• 描述：对二手数据收集过程的合理性评估。
• 证据：作者明确说明数据来源于“新浪教育-高考”网以及《中国统计年鉴》，并坦诚交待了数据的处理方式（如删除缺失值、保留一本批次等）。虽然使用网络抓取的公开数据可能存在一定的测量误差，但作者对此没有隐瞒，属于规范的实证研究披露范围。
• 严重程度：🟢（无异常）

耿同学辣评

今天这篇算是让耿同学我“白激动”一场。习惯了看那些条带复制粘贴、数据完美平行的“科研刺客”，突然来了一篇老老实实做双重差分的经济学论文，居然有点不习惯。

作者不仅数学算得明明白白（交互项加减法全对），安慰剂检验也老老实实跑了500次（6.4%的假阳性率非常坦诚），更难得的是还知道引用2020年的最新文献来给自己做稳健性背书，说明不是在拿十年前的老模型糊弄人。这是一篇逻辑清晰、方法严谨的“老实人”论文，没有花里胡哨的PS技巧，只有实打实的数据跑出来的结论。

给科研小白的启示：不是所有的学术论文都在造假，真正扎实的实证研究，其数据规律往往呈现的是一种“朴素的合理性”。

建议后续行动

• 无需联系作者提供原始数据（文本中未发现学术不端线索）
• 无需在 PubPeer 上提出质疑
• 建议作为“计量经济学稳健性检验”的标准范文供学生学习
• 继续保持对学术界的乐观态度

⚠️ 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。