Data Colada 以字型和四捨五入鑑識，揭穿 Ariely 造假的誠實數據

Shu、Mazar、Gino、Ariely 與 Bazerman 於 2012 年發表在 PNAS 的一項研究，報告了一個便宜得驚人的反不誠實對策：把誠實宣誓移到表格最上方，人們就會少說謊。在其田野實驗中，近 13,500 名在表格頂端簽名的汽車保險客戶，申報的行駛里程比在底部簽名者多約 2,400 英里——高出 10%。這項發現被引用超過 400 次，在商學院教授，被保險公司 Lemonade 採用，由英國、瓜地馬拉與加拿大政府測試，美國國稅局（IRS）還將其列為單一季度從供應商多收 160 萬美元的助力。

問題始於該效應無法複製。原始作者與外部研究者共同重跑簽名實驗，未發現差異，並於 2020 年在 PNAS 發表該失敗結果——首次公開 2012 年的原始數據，這在當時仍是罕見的透明化舉措。Data Colada 部落格背後的學者 Joe Simmons、Leif Nelson 與 Uri Simonsohn 與一群匿名研究者下載了該試算表，開始追問的不是統計是否正確，而是這個檔案看起來是否像真人實際產出的東西。

他們的稽核發現四項異常。申報的行駛里程從 0 到 50,000 均勻分布——與 Excel 隨機數產生器毫無區別。申報的里程錶讀數沒有整數，儘管人們在估計時會四捨五入。基線資料列有一半以 Calibri 字型輸入，一半以 Cambria 字型輸入，每個 Cambria 列都與某個 Calibri 列幾乎成對，且總是高出不到 1,000 英里；一百萬次模擬從未偶然產生這種情況。基線資料列被複製並加上擾動；實驗數據來自隨機數產生器——造假「毫無疑問」。

證據迫使各方正視。全部五位原始作者都同意數據看似造假，並要求 PNAS 撤稿；四位作者表示未參與數據收集，留下 Ariely——唯一與保險公司有聯繫的作者——成為未解的問題。Ariely 否認有不當行為，並歸咎於自己放手不管的做法。BuzzFeed News 於 2021 年 8 月 21 日發表調查；Hartford 僅確認曾與 Ariely 有過一個 2007–2008 年的小型專案，且找不到該專案的任何數據或交付成果。

與其重跑統計，不如稽核原始檔案中平凡的一面——字型、四捨五入、重複列與分布——造假數據正是在這些地方露出破綻

造假最容易藏在統計裡，最難藏在數據的日常紋理中——字型、四捨五入與重複列能通過同儕審查，卻會暴露產生器。

2020 年論文決定公開原始數據，把無法驗證的主張變成可稽核的檔案；若未公開，造假根本不可能被發現。

這些檢驗便宜且公開——分布擬合、位數計數、字型分組與模擬，任何讀者都能重跑——因此結論建立在證據而非權威之上。

該發現本身的成功創造了查核的誘因：一項被保險公司與稅務機關採用的干預措施，一旦無法複製，就值得驗證。

當結果事關重大時，信任止於原始數據：要求提供檔案，然後檢查四捨五入、重複列、字型與分布——捏造數字很容易；讓它們看起來像人為的則不然。

2021 年 8 月 Data Colada 文章發布後數日內，全部五位作者都同意數據看似造假，並要求 PNAS 撤稿；BuzzFeed News 的調查於 8 月 26 日更新，加入 Hartford 的聲明，使此案成為複製危機的象徵。這起造假十年的影響力已然耗盡：建立在簽名效應上的產品，從 Lemonade 的誠實宣誓到政府稅表變更，都必須重新評估。作者們的系統性教訓依然成立：期刊應要求原始數據，因為正是公開才讓造假得以被察覺。