据我们所知，为数不多的分析虚假采访对调查结果影响的方法论研究大多是基于项目学生在“实验室环境”中产生的“人工造假”。相比之下，小组数据提供了一个独特的机会来识别实际上是面试官伪造的数据。通过比较两波的数据，可以很容易地识别出明确的赝品。然而，在大多数调查中都没有第二波，因为它们具有纯粹的横截面性质。为了寻找一种不需要两波数据的方法，我们测试了一种名为本福德定律的非常规基准，几位会计师使用该基准来发现欺诈行为。我们的初步结果使我们得出结论，本福德定律可能不是检测虚假数据的有效方法，但它可能是面试过程质量控制的一种新工具。德国社会经济小组研究（SOEP）的原始数据提供了虚假面试的丰富来源，因为它建立在几个子样本之上。然而，因为面试官知道小组受访者会在一段时间内再次接受面试，所以聪明的面试官不会伪造小组面试。事实上，在SOEP的原始数据中，这一份额仅占所有记录的0.5%。假货用于分析未检测到的假货对调查结果的潜在影响。主要结果是伪造的记录对平均值和比例没有影响。但在极为罕见的特殊情况下，如果无法检测到伪造品，则相关性和回归系数的估计可能存在偏差。需要注意的是，除了前两波样本E中的一些伪造数据外，伪造数据从未在广泛使用的SOEP中传播。造假行为在数据公布之前就被发现了。