写论文时如何用数据进行统计分析

① 我要对论文数据进行一些统计分析，请问一般都做哪些分析

第一节论文写作的八个环环相联的步骤

严格地说，论文写作并不是从提笔写（或在电脑上打字）开始的。此前的许多步骤都属于论文写作的必要环节，一定程度上比实际动手写重要得多。许多过来的人都有体会，完成一篇较大的论文，准备时间少则数月，多则数年，一旦真正准备好了，动手写作的时间不过数天到数周。

第一步，确定论文的选题。从广义上说，选任何本专业范围内的题目都能够写出东西来，只要你有新观点、新发现、新角度、新研究方法、新材料等等。但是这后面的“五新”大大限制了硕士论文的选题。这是由于作者多数是第一次写这么长的学术论文，缺乏经验，也缺乏深厚的知识积累，难以把握；同时，二三万字这个条件也对选题有很大的制约，如果题目过大，无法在这个相对狭小的范围内展开。所以，选题是否得当，对于论文的成功，影响很大，甚至有人说，一个好的选题等于成功了一半。

根据许多硕士论文的选题经验，这一级论文的选题可从以下几方面考虑：本专业的研究空白、发生争议的话题（自己的观点感到较为充分）、对比性的话题、从其他专业角度研究本专业的话题（这是一种选题的边际效应）、有新的插入角度的老话题、刚刚冒出来的本专业的新问题。

第二步，围绕已经确定的论文选题，回顾相关的理论和研究，或者叫“文献检索”。这一步的工作是较为艰苦的，需要有思想准备。在我国，多数中文学术资料目前没有上网，需要手工查找，因而这个步骤中查找中文资料花费的时间和精力可能很大；拉丁文资料，特别是英文资料由于网络传播的方便条件，相对好查询。但是不少资料即使找到了目录，真正能够阅读到，仍需要作者不懈的努力。

这一步是必要的，如果没有这一步，你的论文内容很可能重复了别人已经做过的工作，等于白做；查找的过程，也是启发思路、产生观点火花的过程，不走这一步，等于掐掉了自己新观点、新视角、新材料的来源。这也是为下一步做观点、角度、材料上的准备。

第三步，提出你自己关于选题的理论假设，或要研究的具体问题。选题是指准备写的论文的大体方向和范围，真要动手写作，就会遇到两类具体的问题。第一类属于观点方面的：我的具体观点是什么？你可以设想出一个或几个观点，但它们仅仅是一种假设，通过许多证据、材料，通过严密的论证和适当的论证框架结构，证明你的假设是成立的，这才能形成论文的主体。第二类属于实用方面的：我要具体论证什么问题？你可以提出许多原因、各种环境条件的影响，它们是不是与所论证的问题相关，相关到什么程度，这需要通过科学的调查和分析。

不论哪一种情况，这涉及论文的中心思想或论证主题，一定要明确，并且贯穿论文的始终。由于硕士论文字数相对长，常见的问题之一，在于作者把握不住全文，写着写着，无形中脱离了自己原来确定的假设或具体问题，说了许多无关中心思想或论证主题的内容。

第四步，决定采用哪些研究方法。人文－社会科学的研究方法，大体可以归为两大范畴，思辨研究和实证研究，后者又可分为定性研究、定量研究两种具体的研究方法。人们为探究社会事实或社会现象，而采用不同的研究取向，不同的研究取向又有不同的研究方法，不同的研究假设、收集资料的方式和对结果的判断标准。但是各种研究方法在现在的论文写作中，已经越来越多地呈现相容和内在的连接。一般地说，根据自己的选题和讨论的具体问题，可以以一种研究方法为主，辅以其他的方法。例如研究“人”作为大众媒体信息的接受者其接受信息时的状况，这种研究取向就决定了研究本身要以定量分析为主，但同时也需要一些历史的、文化的、政治经济学的思辨研究。

在文科硕士论文中，作者直接为论文进行的定量分析，规模一般较小，适应的范围也是有限的，较多地采用别人而不是自己直接的调查结果。这是由于论文的规模较孝给予作者的研究经费有限、作者个人进行社会调查的能力有限等原因造成的。以逻辑分析为主的论文，适当采用一些定量分析的数据，有时会给文章增添一些分量。但是，一定要根据实际需要，而不要为了显示研究方法的多样而有意去做。例如一个很宏观的话题本来适于思辨研究，硬要加进一项微观的量化调查结果证明什么，反而会弄巧成拙。这是现在写好论文要把握的一个具体问题。

第五步，设计论文的框架结构。一般文章的写作也需要有这一步，但对硕士论文来说，更为必要，其要求也更细一些。一般情况下，一篇硕士论文要有绪章、入题的第一章、主体章节，以及结束语。章节的设置在写前要有个大体的布局逻辑，使之结构合理；章和章之间有一种逻辑联系，防止盲目写下去，淹没主题，不知所云。这一步很少有一次完成的，往往会根据收集材料的情况、调查访问中遇到的新情况，经常变动。但是就像建筑师在盖房子前必须有图纸一样，到了写硕士论文这个层次上，大体的文章框架不能仅仅存于脑子中，一般要形成文字，相对细致一些，具体到“节”更好（但“节”的层次开始时不要固定化），便于写作时心中有数。

到了设计论文框架这一步，因为有了文字化的章节设计，除了请导师指导外，这是在正式动笔写前较广泛地征求其他专家意见的一个好机会。框架还不是厚厚的论文，看时花费的时间不多，又可以大体看出文章的价值或存在的问题。这时修改论文结构比写完后修改要轻松、容易得多，时间也较为宽余，不要错过这个机会。

第六步，对已经取得的文献资料、调查材料和各种论据进行分析、归类，分别充实到各章节中，再进行解释、论证。这实际就是论文写作本身，所以这样描述，意在让作者理解论文写作的过程。各种材料和论据，不是天生就可以证明论点或说明具体问题的，需要通过作者对材料的组织和论证，才能使其变得富有生命力，极其自然、有力地为自己所论的题目服务。

在这一步，需要温习一下学过的逻辑学或社会调查统计的知识，用正确的逻辑思维和严谨的数据组织方式，紧紧围绕已经确定的理论假设或具体问题，调动自己所学的各种知识，通过正论（这是主要的）、反论、设论、驳论、喻论等等手法，论证观点或问题，得出结论，完成论文。

论证中肯定会出现种种材料使用或缺乏的问题、逻辑推理的问题、论据与论题不相配的问题等等，需要停下来再找材料和访问专家，充实或削减原来论文框架中的内容，必要时对框架结构进行局部调整。这种情形是正常的、经常发生的。在时间的安排上，对此要作出计划。如果时间安排不当，有时论文功亏一篑的原因就在于写作时间安排过紧，来不及调整论文结构，这很不值得。

第七步，必要时重新估量选题，修正论证对象的范围。这是与第六步同时出现的另一种情形，即通过较为广泛地征求意见和本人的思考，感到原来的选题对自己不适当，或难以完成，那么就要及时调整整个论文写作的计划，改变选题。这种情形也是正常的，关键在于不要长时期犹豫不决，必须较快地作出决定，以便有时间重起炉灶。由于前面已经对本专业的学术研究有过较多的思考和文献检索，即使改变选题，重新做起，花费的时间不会很多，对此过多的担心是不必要的。

选题不当、难以完成的另一种情况不在于选题本身，而在于选题论证的范围过大。解决这个问题并不难，把论证对象的范围缩小就是了。这里最大的障碍在于作者舍不得“割爱”，花费了许多功夫准备论文，一旦许多材料用不上，难以割舍。这种情况当然会涉及到重新设计论文框架结构的问题。不过，将较大的论证对象的范围缩小，总比相反的情形要容易得多。硕士论文写作中，论证对象范围过小的情况很少见，因为二三万字的论文，本来大多适宜开口较小的选题。

第八步，对论文从技术上进行规范化的检查和调整。章节设计的技术问题（含目录）、文中的引证标示、注释及编号、文后的参考文献编排，以及不属于论文本身的内容提要（包括英文提要）、关键词等等，都要按照规范化的要求进行检查和调整。这些虽然属于技术性问题，但也反映出作者的治学态度。特别是引证，凡是使用了别人观点的地方，都必须注明材料来源，不能含糊不清，更不能将别人的研究成果变成自己的。标明的材料来源也要十分清楚，论着名称、作者或编者、出版社或发表的刊物名称、出版或发表时间等等，一应具全。有时，一篇较有水平的论文，答辩时提出批评的主要问题是引证的不规范，由于这个原因使论文的评价低一档，这很不值得。

第二节论文的选题：

一个适当的选题等于论文成功了一半

由于十年“文化大革命”这场浩劫，我国的人文－社会科学研究遭到了毁灭性的破坏，林彪、“四人帮”在意识形态领域的种种谬论充斥人文－社会科学的各个学科。1978年我国恢复研究生招生时，人文－社会科学研究几乎一切从头开始，因而研究生的论文选题还没有显现为一个问题，因为写什么题目，即使不是空白，也是需要重新认识和论证的。经过改革开放后二十多年几代人文－社会科学研究者的努力，我国的人文－社会科学研究呈现一派繁荣的景象，研究生的招收数量大幅度提高。年年招生，年年写新的论文，而各学科的研究领域是相对稳定的，空白越来越少，新问题的研究又有一定难度，于是现在文科研究生的论文选题，形成一种独特的竞争局面，如何选择好论证的题目，凸现为一个新问题。有鉴于此，需要重点谈谈硕士论文的选题问题。

② 通过数据进行分析的论文研究方法是什么

通过数据进行分析的论文用数据是数学方法。

数据分析方法：将数据按一定规律用列表方式表达出来，是记录和处理最常用的方法。表格的设计要求对应关系清楚，简单明了，有利于发现相关量之间的相关关系。

此外还要求在标题栏中注明各个量的名称、符号、数量级和单位等：根据需要还可以列出除原始数据以外的计算栏目和统计栏目等。

数据分析目的：

数据分析的目的是把隐藏在一大批看来杂乱无章的数据中的信息集中和提炼出来，从而找出所研究对象的内在规律。在实际应用中，数据分析可帮助人们做出判断，以便采取适当行动。数据分析是有组织有目的地收集数据、分析数据，使之成为信息的过程。

这一过程是质量管理体系的支持过程。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。

例如设计人员在开始一个新的设计以前，要通过广泛的设计调查，分析所得数据以判定设计方向，因此数据分析在工业设计中具有极其重要的地位。

③ 论文数据分析方法有哪些

论文数据方法有多选题研究、聚类分析和权重研究三种。

1、多选题研究：多选题分析可分为四种类型包括：多选题、单选-多选、多选-单选、多选-多选。

拓展资料：

一、回归分析

在实际问题中，经常会遇到需要同时考虑几个变量的情况，比如人的身高与体重，血压与年龄的关系，他们之间的关系错综复杂无法精确研究，以致于他们的关系无法用函数形式表达出来。为研究这类变量的关系，就需要通过大量实验观测获得数据，用统计方法去寻找他们之间的关系，这种关系反映了变量间的统计规律。而统计方法之一就是回归分析。

最简单的就是一元线性回归，只考虑一个因变量y和一个自变量x之间的关系。例如，我们想研究人的身高与体重的关系，需要搜集大量不同人的身高和体重数据，然后建立一个一元线性模型。接下来，需要对未知的参数进行估计，这里可以采用最小二乘法。最后，要对回归方程进行显着性检验，来验证y是否随着x线性变化。这里，我们通常采用t检验。

二、方差分析

在实际工作中，影响一件事的因素有很多，人们希望通过实验来观察各种因素对实验结果的影响。方差分析是研究一种或多种因素的变化对实验结果的观测值是否有显着影响，从而找出较优的实验条件或生产条件的一种数理统计方法。

人们在实验中所观察到的数量指标称为观测值，影响观测值的条件称为因素，因素的不同状态称为水平，一个因素可能有多种水平。

在一项实验中，可以得到一系列不同的观测值，有的是处理方式不同或条件不同引起的，称为因素效应。有的是误差引起的，称做实验误差。方差分析的主要工作是将测量数据的总变异按照变异原因的不同分解为因素效应和试验误差，并对其作出数量分析，比较各种原因在总变异中所占的重要程度，作为统计推断的依据。

例如，我们有四种不同配方下生产的元件，想判断他们的使用寿命有无显着差异。在这里，配方是影响元件使用寿命的因素，四种不同的配方成为四种水平。可以利用方差分析来判断。

三、判别分析

判别分析是用来进行分类的统计方法。我来举一个判别分析的例子，想要对一个人是否有心脏病进行判断，可以取一批没有心脏病的病人，测其一些指标的数据，然后再取一批有心脏病的病人，测量其同样指标的数据，利用这些数据建立一个判别函数，并求出相应的临界值。

这时候，对于需要判别的病人，还是测量相同指标的数据，将其带入判别函数，求得判别得分和临界值，即可判别此人是否属于有心脏病的群体。

四、聚类分析

聚类分析同样是用于分类的统计方法，它可以用来对样品进行分类，也可以用来对变量进行分类。我们常用的是系统聚类法。首先，将n个样品看成n类，然后将距离最近的两类合并成一个新类，我们得到n-1类，再找出最接近的两类加以合并变成n-2类，如此下去，最后所有的样品均在一类，将上述过程画成一张图。在图中可以看出分成几类时候每类各有什么样品。

比如，对中国31个省份的经济发展情况进行分类，可以通过收集各地区的经济指标，例如GDP，人均收入，物价水平等等，并进行聚类分析，就能够得到不同类别数量下是如何分类的。

五、主成分分析

主成分分析是对数据做降维处理的统计分析方法，它能够从数据中提取某些公共部分，然后对这些公共部分进行分析和处理。

在用统计分析方法研究多变量的课题时，变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。

主成分分析是对于原先提出的所有变量，将重复的变量（关系紧密的变量）删去多余，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映课题的信息方面尽可能保持原有的信息。

最经典的做法就是用F1（选取的第一个线性组合，即第一个综合指标）的方差来表达，即Var(F1)越大，表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的，故称F1为第一主成分。

如果第一主成分不足以代表原来P个指标的信息，再考虑选取F2即选第二个线性组合，为了有效地反映原来信息，F1已有的信息就不需要再出现在F2中，用数学语言表达就是要求Cov(F1, F2)=0，则称F2为第二主成分，依此类推可以构造出第三、第四，……，第P个主成分。

六、因子分析

因子分析是主成分分析的推广和发展，它也是多元统计分析中降维的一种方法。因子分析将多个变量综合为少数几个因子，以再现原始变量与因子之间的相关关系。

在主成分分析中，每个原始变量在主成分中都占有一定的分量，这些分量（载荷）之间的大小分布没有清晰的分界线，这就造成无法明确表述哪个主成分代表哪些原始变量，也就是说提取出来的主成分无法清晰的解释其代表的含义。

因子分析解决主成分分析解释障碍的方法是通过因子轴旋转。因子轴旋转可以使原始变量在公因子（主成分）上的载荷重新分布，从而使原始变量在公因子上的载荷两级分化，这样公因子（主成分）就能够用哪些载荷大的原始变量来解释。以上过程就解决了主成分分析的现实含义解释障碍。

例如，为了了解学生的学习能力，观测了许多学生数学，语文，英语，物理，化学，生物，政治，历史，地理九个科目的成绩。为了解决这个问题，可以建立一个因子模型，用几个互不相关的公共因子来代表原始变量。我们还可以根据公共因子在原始变量上的载荷，给公共因子命名。

例如，一个公共因子在英语，政治，历史变量上的载荷较大，由于这些课程需要记忆的内容很多，我们可以将它命名为记忆因子。以此类推，我们可以得到几个能评价学生学习能力的因子，假设有记忆因子，数学推导因子，计算能力因子等。

接下来，可以计算每个学生的各个公共因子得分，并且根据每个公共因子的方差贡献率，计算出因子总得分。通过因子分析，能够对学生各方面的学习能力有一个直观的认识。

七、典型相关分析

典型相关分析同样是用于数据降维处理，它用来研究两组变量之间的关系。它分别对两组变量提取主成分。从同一组内部提取的主成分之间互不相关。用从两组之间分别提取的主成分的相关性来描述两组变量整体的线性相关关系。

④ 统计学论文如何分析数据

数据可从网上搜索，统计年鉴及各大数据库都有，再通过统计软件作分析，例如相关分析和回归分析，这种论文偏理论型。

推论统计学被用来将资料中的数据模型化，计算它的机率并且做出对于母体的推论。这个推论可能以对/错问题的答案所呈现（假设检定）。

对于数字特征量的估计（估计），对于未来观察的预测，关联性的预测（相关性），或是将关系模型化（回归）。其他的模型化技术包括变异数分析（ANOVA），时间序列，以及数据挖掘。

为了实际的理由，我们选择研究母体的子集代替研究母体的每一笔资料，这个子集称做样本。以某种经验设计实验所搜集的样本叫做资料。

资料是统计分析的对象，并且被用做两种相关的用途：描述和推论。描述统计学处理有关叙述的问题：资料是否可以被有效的摘要，不论是以数学或是图片表现，以用来代表母体的性质？基础的数学描述包括了平均数和标准差。图像的摘要则包含了许多种的表和图。

⑤ 怎样进行论文数据分析

请在此输入您的回答，每一次专业解答都将打造您的权威形象数据源：（是什么）
研究区域描述：（如果你研究的是区域的话，要写出研究区域你要研究的那一方面的发展概况）
数据处理方法：你用了什么方法，仔细描绘，比如怎么选取变量，有无修正参数或部分数据啦等等，怎么检验你处理的方法是否恰当啦

⑥ 医学论文写作中分析数据的统计方法有哪些

科学研究很早就已经从简单的定性分析深入到细致的定量分析，科研工作者要面对大量的数据分析问题，科研数据的统计分析结果直接影响着论文的结果分析。在医学科研写作中，实验设计的方法直接决定了数据采取何种统计学方法，因为每种统计方法都要求数据满足一定的前提和假定，所以论文在实验设计的时候，就要考虑到以后将采取哪种数据统计方法更可靠。医学统计方法的错误千差万别，其中最主要的就是统计方法和实验设计不符，造成数据统计结果不可靠。下面，医刊汇编译列举一些常见的可以避免的问题和错误：

打开网络APP，查看更多高清图片
一、数据统计分析方法使用错误或不当。医学论文中，最常见的此类错误就是实验设计是多组研究，需要对数据使用方差分析的时候，而作者都采用了两样本的均数检验。
二、统计方法阐述不清楚。在同一篇医学论文中，不同数据要采取不同统计处理方法，这就需要作者清楚地描述出每个统计值采用的是何种统计学方法，但在许多使用一种以上数据统计分析方法的医学论文中，作者往往只是简单地把论文采用的数据统计方法进行了整体罗列，并没有对每个数据结果分析分别交代具体的统计方法，这就很难让读者确认某一具体结果作者到底采用的是何种数据分析方法。
三、统计表和统计图缺失或者重复。统计表或者统计图可以直观地让读者了解统计结果。一个好的统计表或统计图应该具有独立性，即作者即使不看文章内容，也可从统计表或统计图中推断出正确的实验结果。而一些医学论文只是简单地堆砌了大量的统计数字，缺乏直观的统计图或表；或者虽然也列出了统计表或统计图，但表或图内缺项很多，让读者难以从中提取太多有用的信息。
另外，也有作者为了增加文章篇幅，同时列出统计表和统计图，造成不必要的浪费和重复。统计表的优点是详细，便于分析研究各类问题。统计图(尤其是条形统计图)的优点是能够直观反映变量的数量差异。
医学论文中对数据统计结果的解释，最常见的两个错误就是过度信赖P值(结果可信程度的一个递减指标)和回避阴性结果。前一个错误的原因是因为一些作者对P值含义理解有误，把数据的统计学意义和研究的临床意义混淆。所以医学研究人员一定要注意不能单纯依靠统计值武断地得出一些结论，一定要把统计结果和临床实践结合在一起，这样才会避免出现类似的错误。
至于回避阴性结果，只提供阳性结果，是因为不少作者在研究设计时，难以摆脱的一种单向的思维定式就是主观地先认定自己所预想的某种结果结论。在归纳某种结果原因时，从一个方向的实验就下完美的结论，尤其是如果这个结论可能对实际情形非常有意义时。这样的思维定势过于强调统计差异的显着性，有时会刻意回避报道差异的不显着结果，不思考和探究差异不显着的原因和意义，反而会因此忽视一些重大的科学发现。

⑦ 论文中统计学分析怎么写

经常有人问到在论文或标书中应该如何写作统计分析部分。标准的答案是：你怎么做的就怎么写，每篇文章都是唯一的存在。好装，汗……。如果我们尝试去归纳和小结，这部分内容的写作其实是有一定规律的。

我曾经听过Thomas Allen Long教授关于论文写作的课，人很和蔼，他主编的书也不错，操作性很强。在他的书稿《How to Write, Publish & Present in the Health Sciences》第154页中他小结到，统计分析部分应该包括如下内容：统计描述部分、所有的基本统计方法以及分析方案（如ITT或PP等）、样本量的说明、分组方法、检验水准的设定和所使用的统计分析软件。

同样在本书的第155页中也写得：统计分析人员可以帮助作者对数据进行合理的分析、对分析结果进行正确解读，同时可以负责统计分析部分的撰写。他建议将统计分析人员作为作者之一，也许这样统计分析人员就不会粗枝大叶、不负责任了。

关于医学统计分析的写作，其实他还有一本书《How to Report Statistics in Medicine》，在统计分析的报告上写得更专业。

言归正传，本文既然是要小结“统计分析”部分，那就小结吧。个人觉得“统计分析”部分写作时应该包括以下几个内容：
（1）样本量估算及随访/数据收集情况；
（2）数据录入和管理的软件和方法；
（3）本研究所使用的统计分析软件和分析方案；
（4）统计描述的方法，分计量和计数资料两种；
（5）统计推断的方法，分单因素和多因素两种；
（6）检验水准的选取。

由于某些“你懂的”原因，很多普通的论文没有进行样本量估算和区分不同的分析方案（ITT/PP）。所以简单举例如下：

本研究采用……数据库进行数据录入和管理，数据录入采用双录入核查方式进行。采用……软件对研究数据进行统计分析。计量资料采用……对其进行正态性检验，符合正态分布的计量资料采用均值±标准差的形式进行描述，不符合正态分布的计量资料采用中位数（25%位数，75%位数）进行描述，计数资料采用例数（百分比）进行描述。符合正态分布的计量资料组间比较采用独立样本t检验或单因素ANOVA进行，不符合正态分布的计量资料组间比较采用非参数检验进行，计数资料组间比较采用卡方检验进行。在多因素分析上，采用多重线性/逻辑回归分析……的影响因素。所有检验以双侧p<0.05为差异有统计学意义。

有人说我要写英文的“统计分析”部分，该怎么办？同样，你需要多阅读别人的优秀文章，然后用它们的句式来构建属于你自己统计分析内容。可供参考的句式有：
（1）数据采集：Study data were collected on standard forms, checked for completeness, and double keyed into an …… database.
（2）统计软件：All statistical analyses were performed using SAS version 9.2 (SAS Institute Inc, Cary, North Carolina).
（3）统计描述：…… were described using mean, median, standard deviation, and 25thand 75th percentiles for continuous variables; frequencies and proportions were used for categorical variables.
（4）单因素分析：A two sample independent t test/ one-way analysis of variance (ANOVA)/ Nonparametric tests(Kruskal-Wallis test)/ Pearson’s x2 tests or Fisher exact tests was used to compare the differences between …….
（5）多因素分析：Multivariable linear regression/ Multivariable binary logistic regression/ Cox proportional hazards were used to estimate …….
（6）检验水准：A p value of less than 0.05 (2-sided significance testing) was considered statistically significant in all analyses.

⑧ 论文数据分析一般用什么统计方法

如果研究一个X或多个X对Y的影响关系，其中Y为定量数据，可使用线性回归分析，构建回归模型。如果研究一个X或多个X对Y的影响关系，其中Y为定类数据，可使用Logistic分析，构建Logistic回归模型。如果要分析1组X与一组Y之间的关系情况，可使用典型相关分析。如果要分析多个X与多个Y之间的影响关系情况，且样本量较小（通常小于200），可使用PLS回归分析。