数据造假

1. 数据造假

不瞒您说，我现在的工作有一半是在数据造假，另一半工作是真实的数据指标。对于我来说那一半工作是意无意义，另一半工作是我乐于去做的实在部分。
  
 当初我刚来黄山的时候我一听同事与我讲的每日工作内容，心里的第一个反应就是“那不是做假吗？有什么意思？！”同事也同样认同这个说法，然而，明白真相依然要不分周末地每日进行着。
  
 其实假数据并非无意义，你要看一组漂亮的数据对于某一小部分的人来说那就是很有用的东西，影响了那些人的绩效和工资？然而于我及我公司同事们有个半毛钱关系。
  
 他们要求，纵使我们觉得没意思，也要牺牲部分时间和精力去满足他们的需求。
  
 “领导！什么时候咱们这个造假可以被抓啊？”我并不抱以希望你调侃道。
  
 “你干好你的事就好了，别人都这样做，等抓到了再说！要不逢排名就比不过人家了。”其实我们一点都不用担心抓不抓，我倒希望抓个正着，然后整个体系上的人都不争漂亮的数据，按事实说话，个个都成为实干家！
  
 然而，想多了。好好工作，天天向上，争夺，斗争，办公室里总有一大早的催逼、诘问、急躁，那是有些人的事，我才不希望这些东西令我乱了阵脚以致工作更加烦乱无思绪。或许，当能无视些东西的时候才会是忘我工作境界的第一步。
  
 其实我想表达的意思是，我的工作轻松很容易完成，只是有些人偶尔因为性子的原因令人心烦。
  
 大家都是为了这个“真一半，假一半”的数据，你不言，我不语，快乐并明白地进行着。
  
 祝，早日被打假，被抓~嘿嘿

2. 谁在数据造假

　　空气污染数据的造假诱因
　　为了激励城市政府重视空气污染治理，地方官员的政绩考核中往往包括诸如“蓝天数”这样的指标，即全年空气污染指数低于100点的天数。比如环保部开发的“城考”体系，规定环保重点城市全年85%的天数必须达到蓝天标准。
　　环境保护的重要性越来越强，地方官员的晋升也受其影响，因此他们有动力去达到这些环保考核指标(参见政见介绍的论文《《怎样让市长关注环境治理?》)。但治理环境污染的成本高昂，在信息不对称的情况下弄虚作假显得更容易。
　　由于缺少独立的监督机制，地方官员有强烈的激励去弄虚作假，以低报空气污染数据并获得较佳的考核结果。
　　数据造假的危害是明显而严重的，因为它减弱了环境监测的预警效应，也剥夺了公民的知情权。如果空气污染非常严重，但官方发布的数据却不予提醒，那么暴露在污染中的市民无异于“躺着中枪”，在毫不知情的情况下承受污染侵害。基于这些被篡改的数据而开展的实证研究，也可能得出错误的结论，而据此提出的政策建议则可能是误导性的，可谓“遗患无穷”。
　　研究者将数据造假界定为不报告真实污染水平的行为，如篡改数据或隐藏不好的污染数据。值得一提的是，数据造假不包括政府临时关停工厂、单双号限行等策略性行为——无论是2008年的北京奥林匹克运动会还是2010年的上海世博会，以及2014年的北京APEC领导峰会，政府都曾使用类似的手段，以在短期内改善空气质量。这些策略性行为虽然效率不高，但的确在短期内降低了污染程度，因此不能说是数据造假。
　　揭露数据造假的“福尔摩斯”
　　揭露数据造假的最佳方式当然是使用独立的数据来源，与官方数据进行比对。但是，这种数据往往很难获取，特别是大样本和跨时期的数据更难找到。
　　不过，还有别的办法来识破造假的蛛丝马迹。在不存在数据造假的情况下，空气污染浓度的分布应该是连续的或平滑的曲线。当地方官员试图造假时，最有可能在空气污染浓度处于蓝天标准的临界点上(即API为100点)时下手。
　　这样一来，把略高于临界点的数据稍微拉下来一点，就可以使当天的空气污染数据符合蓝天标准，且不容易被人察觉。如果这种情况三番五次地发生，就可以说明存在数据造假的嫌疑。
　　研究者的数据来自隶属于环境保护部的中国环境监测总站。它只是汇总各地政府上报的空气污染数据，因此数据如果发生造假，应归因于地方政府。
　　中国环境监测总站对外披露的数据只有API和主要污染物，而不包括各污染物的具体浓度值。研究者获取了所有详细数据，发现城市的API均值是76.32，蓝天数占84.6%，刚好接近蓝天数的考核标准(85%)。
　　研究者使用一种叫做“断点检验法”的方法，发现数据中的确存在值得关注的造假问题，其表现是：在临界点上出现不连续的断点。
　　他们发现，大约半数的城市存在捏造PM10污染浓度的嫌疑。但是，二氧化硫和二氧化氮的数据造假并不明显。由于PM10是中国多数城市无法达到蓝天标准的主要诱因(高达73.7%)，因此在这个指标上造假就不足为奇了。
　　找准数据造假的时机
　　光发现造假只是第一步，下一步是锁定城市造假的时机。这就需要通过适当的匹配方法，将地理位置和省份特征都类似的城市配对。研究者将地理邻近且属于同一个省份的城市配对，获得了13对城市。
　　在能见度和其他天气情况相同的情况下，配对城市的空气污染程度应该是接近的。如果某个城市出现异常情况，就可以揭示城市在哪些情况下更倾向于造假。
　　研究者使用的气象和天气数据包括能见度、气温、大气压、降雨量、风速等，其中能见度与空气污染程度的相关程度最高，可以视为空气污染程度的代理指标。气象数据来自美国的国家气候数据中心，天气数据来自中国的国家气象局。由于气象局没有激励去数据造假，因此可以将其报告的数据视为可信的。
　　借由“面板匹配法”，研究发现：13对城市中有4对没有造假嫌疑，剩下9对都有可能造假。
　　为了掩人耳目，数据造假最可能发生在异常情况不易被揭发的日子。在能见度高而风速低的时候，数据造假更容易发生。能见度高时，人们会认为空气污染不严重，造假不易被觉察。风速低的时候，空气污染物无法随风而去，需要人为干预以影响空气污染数据。

3. 你们为什么提供假数据？

数据(data)是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的的原始素材。数据可以是连续的值，比如声音、图像，称为模拟数据。也可以是离散的，如符号、文字，称为数字数据。在计算机系统中，数据以二进制信息单元0,1的形式表示.【摘要】
你们为什么提供假数据？【提问】
请您耐心等待5分钟，正在编辑整理回答，马上就为您解答，还请不要结束咨询哦。[微笑][微笑][微笑]【回答】
亲亲您好，你们为什么提供假数据的解答是：亲亲我们提供的数据都是真实的【回答】
数据(data)是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的的原始素材。数据可以是连续的值，比如声音、图像，称为模拟数据。也可以是离散的，如符号、文字，称为数字数据。在计算机系统中，数据以二进制信息单元0,1的形式表示.【回答】
[微笑][微笑][微笑]亲,非常感谢您的信任，希望服务令您满意，如有疑问欢迎追问,祝您生活愉快！[微笑][微笑][微笑]【回答】

4. 怎么看出实证数据造假了

您好  第一，查看数据中的遗漏点。阅读统计图时，我们不能把注意力集中在图形的直观效果上，而应深究隐含的数据，通过数据的对比得出结论，查看引起变化的原因，才不会被看似“惊人”的变化图所迷惑。第二，查看数据中是否被偷换了概念。在分析统计资料时，请留心从搜集原始资料，到形成结论的整个过程中，是否存在着概念的偷换。也就是将看上去极像、而完全不同的两件事混淆在一起。【摘要】
怎么看出实证数据造假了【提问】
您好  第一，查看数据中的遗漏点。阅读统计图时，我们不能把注意力集中在图形的直观效果上，而应深究隐含的数据，通过数据的对比得出结论，查看引起变化的原因，才不会被看似“惊人”的变化图所迷惑。第二，查看数据中是否被偷换了概念。在分析统计资料时，请留心从搜集原始资料，到形成结论的整个过程中，是否存在着概念的偷换。也就是将看上去极像、而完全不同的两件事混淆在一起。【回答】

5. 统计局数据造假严重

1，提问者的问题，一般难以准确作答，因没有确切的事实依据。
2，统计局的数据来源，绝大部分来源于各企事业单位上报的各类信息资料、报表和报告等相关材料，经汇总并通过数据分析、判断而得。
3，那么，所谓的造假，需要得到事实为依据，且各类信息来源较广，在哪个环节均有可能产生出错甚至虚报……
4，可见，造假依据何来？

6. 统计局的数据存在造假吗

1，提问者的问题，一般难以准确作答，因没有确切的事实依据。
2，统计局的数据来源，绝大部分来源于各企事业单位上报的各类信息资料、报表和报告等相关材料，经汇总并通过数据分析、判断而得。
3，那么，所谓的造假，需要得到事实为依据，且各类信息来源较广，在哪个环节均有可能产生出错甚至虚报……
4，可见，造假依据何来？