🔍 耿同学打假报告

论文信息

• 标题：贵阳市房地产价格的分析与预测
• 作者：吴旻璞、张鸿渐、董子逸、王亦洋（从署名“小组成员”来看，本文大概率为一篇本科生/研究生的课程期末论文或数学建模比赛论文，而非正式发表的学术期刊文章）
• 期刊：未提供（非正式发表）
• DOI：无
• 发表年份：推测为 2023 年初（基于文中使用数据截至 2022 年 12 月，并对 2023 年 1-4 月进行预测）

综合评定：🟠 高度可疑（学术素养与数据处理双重崩塌）

详细发现

发现 1：灾难级的数据表格排版与“天文数字”房价（一图多用/数据造假检测的衍生）

• 位置：表1（2015-2022年贵阳市平均房价）及表14（预测对比表）
• 描述：表1在2018年8月至10月的数据出现了极其诡异的数值：“101559351”、“103059257”、“102079238”。表14的数据则完全黏在了一起，如：“8349.2848267.2968140.3108394.2838073.0888461.5050.98”。
• 证据：
  1. 表1中的亿元豪宅：以2018年10月为例，表中数据为“102079238”。如果这是贵阳市平均房价，意味着每平米售价高达 1.02亿元！稍微懂点排版的人都能看出来，这是因为 PDF/Word 转换或复制粘贴时，漏掉了单元格分隔符，把两列甚至多列数据直接连在了一起（10155 和 9351 连成了 101559351）。这说明作者连最基本的数据校验都没做，直接把乱码数据拿来做时间序列分析。
  2. 表14的数字黏体：同样是没有使用制表符或空格，导致真实值、预测值、置信区间上下限和误差率全部首尾相连成了一串几百位的数字。
• 严重程度：🔴（在学术报告中出现此类低级错误，反映出研究态度极度敷衍，后续所有基于该数据的严密数学推导均不可信）

发现 2：统计学方法严重自相矛盾（VAR 与协整检验的致命逻辑漏洞）

• 位置：第五、六部分（VAR模型构建与 Johansen 协整检验）
• 描述：作者先证明了数据是一阶单整的（表5），随后进行了 Johansen 协整检验（表7），发现变量间存在长期协整关系。但在建立模型时，却直接对**一阶差分后的数据（DY, DX1等，见表8）**建立 VAR 模型。
• 证据：
  1. 计量经济学常识错误：如果变量之间存在协整关系（即长期均衡关系），必须建立 VECM（向量误差修正模型）来捕捉这种长期关系，或者直接使用原始变量建立无约束 VAR 模型。
  2. 作者强行对差分序列建立 VAR 模型（表8），这就相当于自废武功，把变量间的长期趋势全部抹除了。表7好不容易算出来的协整关系在表8中被完全无视。这说明作者只是在软件里“无脑点按钮”，根本不懂模型背后的逻辑。
• 严重程度：🟠（核心结论失去理论支撑）

发现 3：经济学逻辑与数学计算违背常理（灰色关联度与方差分解）

• 位置：表3（灰色关联度分析）与表8（方差分解）
• 描述：宏观经济变量（如GDP、M2）与房价的灰色关联度全部在 0.94 - 0.98 之间；而在方差分解中，房价自身的贡献度一直维持在 88% 以上，其他四个宏观变量的总贡献度不到 10%。
• 证据：
  1. 灰色关联度的“假大空”：表3中，前四名变量的关联度极其接近（0.984, 0.983, 0.979, 0.979）。在真实的时间序列分析中，因为宏观经济变量（如GDP和M2）通常带有强烈的上升趋势，如果直接用带趋势的时间序列去算灰色关联度，得出的相关度必然全都在 0.9 以上。这是典型的“伪回归”前兆。
  2. 方差分解的矛盾：既然前面得出 GDP 和 M2 对房价影响极大（脉冲响应图7和灰色关联度表3），为何在表8的方差分解中，贵阳市 GDP（DX1）对房价波动的贡献率仅为 3%，M2 仅为 2%？这说明模型设定存在严重偏差。
• 严重程度：🟠

发现 4：插值法滥用导致的时间序列特性破坏（方法学异常）

• 位置：第四部分第2节（插频处理）
• 描述：作者将季度 GDP 等数据用“二次插值法”转为月度数据，然后再去做 X12 季节调整和 ADF 单位根检验。
• 证据：
  1. 用二次插值法强行生成的月度数据，本质上是人工拟合的平滑曲线。拿这种人造的平滑曲线去进行平稳性检验（ADF检验）和协整检验，其统计量分布已经偏离了真实的渐近分布，算出来的 p 值毫无意义。这就好比“自己先在试卷上填好标准答案，然后自己给自己打分”。
• 严重程度：🟡（这是本科/初级建模论文常见的误区，属于知识盲区，但影响恶劣）

发现 5：错别字与语病（态度极其不严谨）

• 位置：全文多处
• 描述：存在大量低级语病和拼写错误。
• 证据：
  1. “均值填补法法”（第四部分1）
  2. “租凭价格”（表2及正文多处，应为“租赁”）
  3. “尚未纰漏”（第四部分1，应为“披露”）
  4. 图注“贵阳阅读房地产价格折线图”（第三部分，应为“月度”）
• 严重程度：🟡（虽然错别字不是造假，但反映出该论文的炮制过程极为仓促，大概率是赶工交差之作）

耿同学辣评

这篇论文可以说是典型的“流水线建模”产物：导出数据、不管三七二十一塞进 Eviews 软件、跑一遍 H-P滤波、灰色关联度、VAR、ARIMA 模型全家桶，最后复制粘贴几张图和表凑字数。

最搞笑的是，表1里的房价竟然能飙升到 1个亿/平米（101559351）。贵阳要是真有这种房价，任正非都得连夜把华为总部搬出贵阳！连基本的表格排版和肉眼校验数据都懒得做，居然还能信誓旦旦地得出“预测误差控制在1%以内”的结论。ARIMA(1,1,0) 这种跟随机游走差不多的模型，用来预测这种拼凑出来的乱码数据，除了自欺欺人，没有任何学术价值。这已经不是在搞科研了，这是在做“填空游戏”。

建议后续行动

• 不建议提交至任何学术期刊或正规会议（若强行投稿，必定被拒，甚至可能因态度问题引发学术审查）。
• 如果是课程作业：建议小组成员重新集合，先学会怎么在 Excel 里把列对齐，再去翻翻《计量经济学》教材，搞清楚 VECM 模型和 VAR 模型的区别。
• 原始数据复盘：立刻检查源数据，剔除表1中黏连的异常数值，重新跑模型。因为基础数据（Y）已经变成了上亿的数值，后续的 ARIMA 预测（表14和15中显示的 8200 左右）绝对不可能是基于这些上亿的数据跑出来的，中间存在严重的“数据断层”或伪造预测结果。

⚠️ 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。