thesis-consistency-audit

階段一：機械對帳（若有 .docx） scripts/audit_docx.py 讀取 .docx，自動做機械層對帳：表格加總、跨表樣本數一致性、不可能值與離群、敘述↔迴歸 N 落差。 執行：python scripts/audit_docx.py 論文.docx （此腳本僅依賴 python-docx。若使用者只貼文字/表格而非 .docx，跳過腳本，全部改人工，並在報告註明「未跑機械對帳」。）

階段一之二：雙盲投稿的身分資訊清除（要投雙盲期刊才做） scripts/anonymize_office.py 稽核並清除 .docx/.pptx/.xlsx 內藏的作者身分：

python scripts/anonymize_office.py 論文.docx                 # 只稽核，不動檔
python scripts/anonymize_office.py 論文.docx --apply         # 匿名化（雙盲）
python scripts/anonymize_office.py 論文.docx --apply --strip-comments --strip-revisions

會抓出五個藏身處：core.xml 建立者／最後修改者、app.xml 機構與主管、 custom.xml 自訂屬性（常有計畫編號）、comments.xml 每則註解的作者名、 以及追蹤修訂的 w:author。Word 內建的「檢查文件」不一定清得掉後兩者。

⚠️ 紀律：註解與追蹤修訂含有內容，不只是中繼資料，故預設只報告不刪除， 要刪必須明確加旗標；清除前一律自動備份。 ⚠️ 雙盲投稿請用預設匿名模式，不要用 --set-author（那是給最終定稿／存檔版）。 ⚠️ 本工具只處理檔案中繼資料。正文自我引用（「作者先前研究（陳，2024）」）、 致謝、基金計畫編號、檔名含姓名——這些才是最常見的雙盲破功點，必須人工檢查。

階段二：六維度人工核對 機械層之外，依 references/audit_checklist.md 逐項核對。何時讀該檔：要展開任一維度的細目 checkbox 時讀它；本頁只列維度綱要。每項列出「衝突在哪（具體數字）＋怎麼改」。

1. 假設↔迴歸表對齊：每個假設（H1/H2/H3）由哪張表、哪個應變數檢定？表註標的 H 編號正確嗎？係數方向與顯著性是否與假設陳述一致？有沒有把 A 應變數的假設標在 B 應變數的表上？

2. 樣本數一致性：樣本篩選表最終 N → 敘述統計 N → 迴歸觀察值，三處是否一致？落差是否以一句話交代（落後期、listwise 刪除）？敘述統計是否與迴歸用同一樣本？

3. 篩選聲明↔敘述統計：篩選表若寫「剔除遺漏值（0）」，敘述統計各變數 N 是否真的都等於全樣本？有變數 N 較少卻宣稱 0 遺漏即為矛盾。

4. 資料品質界限：不可能值（董事會規模最小=0、比率超出 [0,1] 或 [0,100]）？極端離群（max 偏離 mean 逾~10 SD）？連續變數是否縮尾並註明？

   • 相關 >0.9 紅旗（L-002）：相關矩陣中任兩變數 |r|>0.9 → 疑似共線或「同一變數誤當兩個放入」（平方項未置中、虛擬變數代錯，如 RPT 誤代 TNFD）。要作者查是否誤代或應置中，不可放著。
   • 假說→變數→資料欄位三欄對照（L-002）：每個假設用到的變數，對到的 TEJ 欄位/代碼是否正確？

5. 文字↔表格：內文引述的樣本期間、比例、係數、N、轉折點等，是否與表格逐一吻合？交乘項/二次項的邊際效果與轉折點判讀是否與係數一致（轉折點 = -β₁/β₃ 或 -β₁/(2β₂)）？

   • 同值重複紅旗（L-003）：全表掃「不同欄格出現完全相同數值」（如兩個不同變數的 t 值都是 38.617）→ 疑似複製貼上貼錯，回溯每個數字的來源輸出檔位置。

6. 引用與表註一致：內文 APA 引用 ↔ 參考文獻清單（孤兒引用、漏列）？顯著性星號（//）是否在表註定義？表註的應變數說明與該表實際一致？ （引用只做內文↔清單雙向對帳；文獻是否真實存在/幻覺，轉 citation-verifier 無網稽核或 check-citations 有網查驗——Claude Code 環境須加 anthropic-skills: 前綴。）

<output_contract> 結論先行。報告依嚴重度分區，每項附證據錨點（表號、頁、欄格）。嚴重度三級：

• Fatal＝會直接被審查委員抓、且動搖結果可信度（如變數代錯導致主結果、樣本數對不上且無法解釋）。
• Major＝需重跑分析或補說明才能修（離群未縮尾、N 落差未交代）。
• Minor＝可直接改的文字/註記不一致（表註漏定義星號、內文年份筆誤）。

# 一致性稽核報告：<論文>
## 機械對帳結果
（貼 audit_docx.py 輸出摘要；或註明「未跑機械對帳，全人工」）

## 待修清單（依嚴重度）
[Fatal] <維度N> <衝突在哪，具體數字> ｜ 錨點：表X/頁Y ｜ 怎麼改：<...>
[Major] ...
[Minor] ...

## 需重跑分析 vs 可直接改文字（明確分開）
- 需原始資料重跑：<...>（標「待作者以原始資料修正」）
- 可直接改文字/註記：<...>

## 寫對的地方（不必動）
<...>

</output_contract>

輸出節錄：

• [Fatal] 維度5 同值重複（Table 3, Model 1）：家族持股 t=7.373 與董事會獨立性 t=7.373 完全相同，統計上兩個不同變數 t 值相同機率極低，疑複製貼上貼錯（對照 L-003：真值可能一為 7.373、一為 38.617 類誤植）。怎麼改：回原始 regression output 逐欄核對，指出正確值來源列。標「待作者以輸出檔修正」。
• [Fatal] 維度4 相關>0.9（相關矩陣）：家族持股與家族控制 r=0.98，疑為同一構念以兩種代理重複放入模型，或變數代錯（L-002 型）。怎麼改：確認兩者操作型定義是否實質不同；若同構念，擇一或改用其一，並檢查主結果是否因共線而失真。
• [Minor] 維度6（Table 3 表註）：星號 *** 未於表註定義顯著水準，補「*** p<0.01」。可直接改。