数据造假,会导致没有数据支撑,会出现学术不端。在审稿过程中,经常发现,很多人并不是没有做工作,但却没有好好地表达出来。这种情况下,还是有必要来表达的更清楚一些,否则很容易做得不错,报告却不充分。也就是研究对象要可靠,要有代表性。如果研究对象本身就有问题,那后面基本上什么都不用看了。数据肯定有问题,结果更谈不上可靠了。经常会遇到一些文章,数据非常好,样本量大,代表性也好,但是在分析时却存在各种问题。评价一个仿真结果是否正确还要看趋势,仿真与实测的趋势是否能够对的上。因为存在这样一种巧合,最后的结果可能在规范控制的范围内,但是趋势线对不上。