经济学论文背后未披露的 Excel “折腾”

Excel “折腾” vs 不当行为

• 评论者澄清，问题并不是某种晦涩的 Excel 技巧，而是粗糙的数据伪造：从相邻行/列复制数值，甚至来自不同国家（例如用英国数据替代美国、用荷兰数据替代新西兰）。
• 有人认为，Excel 的自动填充和界面“鼓励”了这种行为，因为它隐藏了关系和模式；也有人坚持认为工具本身是中性的，这种行为完全是研究者自己的责任。
• 关于意图也存在分歧：有人认为这是为了拼凑出可发表数据集而故意造假；也有人把教授对数据的坦率态度解读为无能而非欺诈的证据。

插补、计量经济学与标准

• 几位评论者指出，正规的计量经济学会明确处理缺失数据，并使用部分识别或结构化插补；它不会默默用其他国家的数据来填补空缺。
• 有人说，最糟糕的问题未必是插值本身，而是借用那些名称相似或位置相邻国家的数值，这会让数据集失去推断价值。
• 还有人认为，核心的伦理违规在于未披露：如果插补过程被完整说明，同行评审很可能会拒绝这项工作，或把结论视为极其薄弱。

工具 vs 科学严谨性

• 多条评论反对把这件事描述为“Excel 问题”：同样的不当行为也可能发生在 R、Python，甚至纸笔上。
• 反方观点是：更好的工具和更清晰的界面可以减少无意错误，并让可疑操作更显眼，从而抬高实践底线。
• 还有几条评论把它类比为 LLM 和“智能”填充：强大但不透明的模式填充工具需要核验，否则可能悄悄引入虚假的结构。

社会科学、可重复性与激励机制

• 有人将讨论泛化到社会科学：举例说，小样本数据被激进插补夸大、定量能力薄弱，以及“不方便”的结果未发表。
• 也有人为社会科学整体辩护，认为不同子领域的可重复性不同，各门科学的激励都存在错配，解决办法是改进激励，而不是放弃该领域。
• 评论中引用了可重复性危机的数据：某些心理学子领域的重复性很差；某些医学研究则更糟。

期刊地位与政策影响

• 评论者指出，发表该文的期刊并不是公认的经济学期刊，也远非该学科的“前五”，而后者是普遍共识，并主导着终身教职决定。
• 他们还回忆起与 Excel 相关的历史错误：在关于紧缩政策的有影响力宏观经济研究中曾出现类似问题，并指出政策制定者往往会挑选能印证既有意识形态立场的研究。

大学品牌小插曲

• 另一段长篇旁支讨论涉及若干欧洲国家对“university”“college”“university of applied sciences”等术语的法律保护和营销方式，以及这如何误导国际学生对机构地位和学位价值的判断。