期刊论文被质疑“均值高于最大值”：实证论文的描述性统计表投稿前怎样自查

2026年10月28日讯 10月25日晚间，《管理学报》杂志社发布公告，回应该刊一篇论文被网友质疑数据造假一事，表示“本刊一贯高度重视学术规范，对学术不端行为坚持零容忍”，并称“已针对博文披露的数据异常线索及相关疑点启动专项调查程序”。根据澎湃新闻等媒体报道，网友质疑的是该论文表2描述性统计中出现的某个变量的均值大于最大值，还有变量标准差大于取值范围计算的理论上限等问题，网友列举的疑点有至少5个。调查结论以期刊公布结果为准。

这件事在研究生群体中引起了不小的讨论，因为描述性统计表几乎是每一篇实证论文都有的“标配”，很多同学都认为这只是例行公事，从软件中导出并粘贴到论文中就可以了。但恰恰是这张表，读者无需原始数据，仅凭最基本的数学常识即可发现问题。

描述性统计表为什么最容易被看出问题？

描述性统计表报告的是样本量、均值、标准差、最小值和最大值，这几个数字之间存在硬性的数学约束。均值一定落在最小值和最大值之间；对于取值有上下界的变量，标准差也有上限，取值范围越窄，标准差越不可能很大。比如一个只在0到1之间取值的比例变量，标准差无论如何不会超过0.5。这些约束不依赖任何专业判断，任何读者拿计算器就能验证。

也正因为如此，这张表里出现的矛盾，很多时候并不是有意造假，而是整理过程中的疏忽：变量取对数前后的统计量混用，单位换算漏了一步，不同版本的数据表复制粘贴错了行，或者表格里的列顺序和表头没有对上。但无论原因是什么，一旦发表出去，作者都要对这些数字负责。

均值、标准差与取值范围之间有硬性约束，可以逐项验证（插画）

投稿或送审前，可以按什么顺序检查？

第一遍先看“能不能成立”。逐个变量确认均值介于最小值和最大值之间，比例变量和虚拟变量的取值范围是否合理，标准差有没有明显超出取值范围允许的程度。虚拟变量的均值就是取值为1的样本比例，这一点也可以和正文里的描述互相印证。

第二遍看“前后对不对得上”。描述性统计表的样本量应与回归表的观测值数相等，如果回归过程中因缺失值导致样本减少，需要在正文中加以说明。变量的定义、单位和是否取对数要与变量定义表一一对应。正文中的“平均水平”、“最高值”与表格数字也要保持一致。

第三遍看“能不能重算”。最可靠的方法是保存从原始数据到最终表格的整个脚本，任何数字都可以使用脚本重新计算。需要手动修改表格时，宁可改脚本重跑，也不要直接在Word里面修改数字。这样就算以后被问到，也能有完整的处理过程。

从原始数据到论文表格，每一步都用脚本完成，便于复算（插画）

让数据处理过程可复现

对不太熟悉编程的同学来说，写一套完整的数据处理脚本确实有门槛。PaperOK科研助手可以在本机直接调用电脑上的Python或R环境，按你的要求完成描述性统计、回归和三线表导出，代码真实运行、脚本可复现，每一步做了什么都能在“工作过程”里展开查看。它在官网展示的一个案例中，写方法章节时另派代理独立复算了208个数值。不过，数据是否真实、变量构造是否合理，仍然需要作者自己判断和负责。

学术期刊对于数据问题的“零容忍”并不是让研究者们如履薄冰，而是要求每一个作者确保论文中的每一个数字都是有迹可循、可以复现的。在投稿之前核对起来总比解释起来容易得多。

常见问题

问：导师说描述性统计表不重要，可以不放吗？

是否放、放在正文还是附录可按照学校和期刊的格式要求决定。但是只要放了的，表中的数字必须准确，与回归表和变量定义一致。

问：发现已经提交的论文统计表有错，该怎么办？

尽快联系导师或者编辑部说明情况，按程序进行更正。自己主动更正和被发现了再处理是两码事。