🔍 耿同学打假报告

论文信息

标题：基于随机森林模型的绿色金融对京津冀碳排放的影响研究
作者：陈俊楷
期刊：河北金融学院硕士学位论文（答辩日期：2026年5月23日）
DOI：无（学位论文）
发表年份：2026年
论文来源：基于随机森林模型的绿色金融对京津冀碳排放的影响研究_陈俊楷.pdf

综合评定：🔴 实锤

详细发现

发现 1：基础数学概念崩坏（第二式：数据造假与逻辑检测）

位置：第三章 3.1.3 绿色金融指数构建（第17页）
描述：论文在解释主成分分析（PCA）的碎石图结果时，出现了令人匪夷所思的数学表述。
证据：原文声称“特征值大于 1 的主成分占全部原始四变量的 93.41%，第二个主成分的特征值为 0.197 略高于 1，其后方差解释率大幅度下降”。在基础数学中，0.197 显著小于 1，作者却称其“略高于 1”，这不仅是低级笔误，更暴露出作者极有可能根本不理解 PCA 的原理（Kaiser 准则通常是保留特征值 > 1 的主成分），甚至是盲目编造了这组数据。
严重程度：🔴
复核状态：✅ 成立

发现 2：相关系数矩阵严重不对称（第二式：数据造假检测）

位置：第四章 4.2 相关性分析，表 5（第24页）
描述：表格中呈现的 Pearson 相关系数矩阵在主对角线两侧出现了不一致的数值。相关系数矩阵在数学上必须是严格对称的（即变量 A 与 B 的相关系数，必定等于 B 与 A 的相关系数）。
证据：
1. 矩阵中“绿色金融指数”与“人口密度”的相关系数为 0.52，而下三角中“人口密度”与“绿色金融指数”的相关系数却变成了 0.51。
2. “绿色金融指数”与“能源结构”的相关系数为 -0.68，而下三角对应位置却是 -0.67。
  这意味着该矩阵并非由真实数据通过统计软件（如 RStudio）一键导出，而是人工手动输入或随意编造时出现了肉眼可见的破绽。
严重程度：🔴
复核状态：✅ 成立

发现 3：小样本机器学习的“完美”过拟合（第四式：统计学异常检测）

位置：第四章 4.4 异质性分析，表 7（第35页）
描述：作者将数据分为北京、天津两个子样本进行随机森林建模。北京和天津各自仅有 20 个样本点（即 20 年的数据）。按照作者前文 7:3 的划分比例，测试集只有 6 个样本。
证据：在仅用 14 个样本作为训练集、6 个样本作为测试集（且包含多个自变量）的情况下，作者报告北京的 $$R^2$$ 为 0.95，天津的 $$R^2$$ 为 0.94。在极端小样本下投入高自由度的树模型（500棵树），结果还能得到 0.95 的极高拟合度，这在机器学习实践中是严重违背常理的。这高度提示模型发生了荒谬的过拟合，或者测试集的 6 个数据完全是人为捏造/复制训练集数据。
严重程度：🔴
复核状态：✅ 成立

发现 4：研究设计文本“套模板”遗留的时空错乱（第六式：引用与方法学异常）

位置：第一章 1.1.1 研究背景（第1页） & 1.3.1 研究内容（第5页）
描述：论文存在明显的“复制粘贴”与套模板痕迹，导致核心研究区间在摘要和正文中出现了自相矛盾。
证据：
1. 摘要与第三章 3.1.1 明确写道：“文章通过整理 2005-2024 年京津冀 13 个城市的面板数据”。但在 1.3.1 研究内容中，却赫然写着：“确定以京津冀 13 个城市 2016-2022 年 的面板数据为研究样本”。年份跨度存在巨大矛盾。
2. 在 1.1.1 中，作者写道：“2026 年，中共中央、国务院联合发布《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》”。事实上，该《意见》是 2021年 发布的。作者连国家重大战略文件的发生年份都能写错，且精准地写成了自己写论文的年份（2026年），暴露出为了赶进度而强行编造背景的嫌疑。
严重程度：🟠
复核状态：✅ 成立

发现 5：描述性统计与表格数据的内外冲突（第二式：数据造假检测）

位置：第四章 4.1 描述性统计，表 2 与表 3（第22-23页）
描述：正文叙述、表 2 和表 3 之间的数据互相打架，作者对自己编造（或机械拼接）的数据缺乏基本校对。
证据：
1. 表 2 描述性统计显示，“绿色金融综合指数”的最大值为 1。而在正文描述中写道：“北京（均值为 1.00）”。如果一个地区历年的均值已经达到了全样本的最大值（1.00），这意味着北京每年的数值都必须完美无缺地等于 1.00，这在连续型综合指数中是极不自然的。但在表 3 中，北京的均值又变成了 0.43。
2. 表 8（中介效应检验）中，模型 A 的得分 18.14 减去模型 B 的得分 12.76，结果应为 5.38（正文也写了 5.38），但表格的“重要性变化值”列中赫然填着 5.39。这种“我说 5.38 就是 5.38，表格算出来多少我不管”的态度，实锤了数据的不可靠性。
严重程度：🔴
复核状态：✅ 成立

耿同学辣评

这篇论文可以说是“AI 味道拉满，基本逻辑拉垮”。作者在使用机器学习算法包装自己的论文时，显然忘记给自己“充点电”。说 0.197 略大于 1，这已经不是数学不好了，这是视基础科学为无物；相关系数矩阵连对称都做不到，难道你的 Rstudio 是用盗版算出平行宇宙了？最搞笑的是前脚说用 2005-2024 年数据，后脚变成 2016-2022 年，连中央文件都能穿越到 2026 年发布。机器学习不是“学术遮羞布”，用 20 个样本跑出 0.95 的 $$R^2$$ ，你这不是随机森林，你这是在测试集上建了座“人工海市蜃楼”！

建议后续行动

联系作者要求提供原始数据及 R 代码（重点查证非对称矩阵与样本划分）
在答辩委员会或学校学术委员会层面提出质询
在 PubPeer 上提出质疑
向期刊编辑部举报（注：本篇为硕士学位论文，应向所在机构举报）

⚠️ 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。

基于随机森林模型的绿色金融对京津冀碳排放的影响研究