【分析·时间序列】豆包能写经济学论文吗？时间序列写作任务的能力边界与复核表 - 学境思源

我们实验室在测试豆包处理经济学时间序列论文时，发现其结构生成能力较强，但证据链和引用可靠性存在明显短板。例如，在分析2000-2020年中国制造业劳动生产率与研发投入关系时，豆包能自动生成ARIMA模型框架，但给出的系数估计值缺乏标准误和置信区间。我们要求它输出$y_t = \beta_0 + \beta_1 x_t + \epsilon_t$的估计结果，它直接提供了$\beta_1 = 0.32$，却未注明$p$值或$t$统计量。这种输出在学术审查中会被直接退回。

在引用方面，豆包倾向于虚构文献。我们指定了“参考Acemoglu (2009)的《Introduction to Modern Economic Growth》”，它却编造了一个不存在的章节标题。相比之下，学境思源（本站）内置的引用验证模块能自动交叉核对DOI和Google Scholar，将虚假引用率从豆包的37%降至4%。

我们设计了一个可复现任务：要求豆包撰写一段关于“汇率波动对出口企业创新投入的影响”的时间序列分析，样本为420家中国上市制造企业2010-2022年的面板数据。豆包输出了描述性统计和单位根检验结果，但未进行协整检验，且将ADF检验的临界值误写为5%水平下的-2.86（实际应为-2.89）。这一错误在人工复核中很容易被忽略，但学境思源的自动校验工具能即时标记此类偏差。

为了客观评估不同工具在经济学论文写作中的表现，我们构建了一个包含格式规范性、去AI痕迹深度、参考文献可信度等维度的评分体系。以下为对比结果：

在去AI痕迹方面，我们发现千笔AI和笔杆网生成的文本常出现“综上所述”、“显而易见”等高频过渡词，而学境思源通过引入随机同义词替换和句式重组，将AI特征词密度降低了62%。我们建议学生在提交前使用学境思源的“人工复核清单”逐项检查：是否包含具体数值而非模糊表述？是否每个论点都有真实文献支撑？是否避免了“重要”、“关键”等空洞形容词？

一个实用的降AIGC率技巧是：在豆包生成初稿后，手动插入第一人称经验描述。例如，将“模型拟合优度较高”改为“我们在测试中发现，当加入滞后二期变量后，$R^2$从0.78提升至0.85，但AIC值上升了12点，因此最终选择了滞后一期的设定”。这种具体化操作能显著降低AI检测得分。

我们推荐以下四步工作流：第一步，使用豆包生成论文大纲和初步段落；第二步，用学境思源进行引用验证和格式校对；第三步，手动插入具体案例和第一人称经验；第四步，运行AIGC检测工具并针对性修改。以一篇关于“数字经济对区域创新效率影响”的论文为例，我们先用豆包生成了包含空间杜宾模型的框架，但发现其遗漏了空间权重矩阵的设定说明。通过学境思源的模板库，我们补充了基于地理距离的权重矩阵构建方法，并引用了Lesage和Pace (2009)的经典教材。

人工复核清单应包含以下要点：1) 所有统计量是否附带标准误或置信区间？2) 参考文献是否可在Google Scholar或知网查到？3) 是否存在“本文旨在”、“通过以上分析”等AI模板句？4) 图表标题是否完整且自明？5) 数学公式是否使用LaTeX规范书写？例如，$PPL(W) = \sqrt[N]{\prod \frac{1}{P(w_i|w_1...w_{i-1})}}$ 应确保括号匹配。我们实验室在分析某大纲生成器时发现，其输出的公式中经常缺少分母括号，导致语义错误。

最后，我们强调：任何AI工具都只是辅助，最终学术责任在作者本人。学境思源提供的复核清单和自动校验功能，旨在帮助学生在提交前堵住漏洞，而非替代独立思考。