毕业论文数据分析没结果

做的是什么假设检验：方差分析、卡方检验、秩和检验还是直线相关与回归

进行科研，少不了做实验。得到实验原始数据后，要进行分析处理，来判断所得结果是否具有统计学意义上的显著相关性，是否支持研究设想，然后对数据结果进行解释，最后得出结论。 无论是期刊论文还是学位论文，在引言或前言(Introduction)中提出本研究的目的(aim/purpose)，和研究假设(hypothesis)，完成一系列的实验后，在报告方法(Materials and Methods)一节中，要进行数据分析。 通过数据分析，发现得出的结论具有相关性，从而验证了你的研究设想，实现了你的研究目的。 但也有可能实验结果的相关性不显著，得出的结果和研究设想不一致，甚至相反。你的第一反应也许是不理会那些数据，甚至想到要剔除掉它们。这是错误的做法。 一个科研人员应具备科研素质，尊重科学，严谨治学。其实相关性不显著，就是你实验的科学结论，只不过不支持你的研究设想罢了。你的实验结果证明你的设想不成立，从而否定了这一假设，这本身就是一结论。 一般情况下，如得出实验结果相关性不显著时，作者还要分析一下其原因，如样本不够大、变量不易控制、人为因素等。 下面以一篇SCI文章为例，来看看如果处理“不完美”的数据。 ❶We met with mixed success in our objectives. ❷We had believed that our results would indicate that trust was best described as a concept with two distinct dimensions. ❸Instead, we found an overall trust dimension that best characterized the data. ❹At least two plausible reasons may explain this difference, each providing rich areas for further research. ❺In part, some of the inconsistency may exist because of cross cultural variations. ❻In addition, some dissimilarity in results may exist because of methodological differences. 第一句话直接指出了部分结果与设想不一样，第二句和第三句分别阐述了原来的设想和实际得到的实验结果。第四句写出有两个原因，第五、六句具体分析了两个原因。

对于实验来说，没有修正实验数据这一项内容。实验数据显示的都是正确的。但是实验出现错误，会导致得到的数据不正确。此时要从新做实验。这是正确的做法。如何判断实验数据是否正确呢？或者说实验的步骤出错如何尽早发现？预习实验时，要把实验里每步的理论值算出来。做实验时得到的数据与理论值对比，如果差很多，那就是实验出现了错误，须重新做实验。直接将实验数据改成理论值附近的数据的做法是不负责任的。

检查与实验相关的过程

与实验有关的过程直接影响实验结果，相对来说具体形象，容易分析。分析的目的是确保你设计的实验是可以用来检验假设的，并且获得的实验结果是可靠的。

需要检查的与实验相关的过程包括三方面：实验设计的合理性、实验数据的可靠性、数据分析的合理性。

丢失重要数据

也许由于实验室出现问题或存储数据的硬盘出现技术问题等，你丢失了大量对项目至关重要的数据。

首先，你应该请教导师，询问解决方法。在你有时间、有资源的情况下，可以考虑重新进行数据收集或实地考察，再次获取这些数据。

如果无法重新收集数据，那么可以与导师讨论如何把数据丢失纳入项目，成为研究的一部分。例如，如果是由于你所使用的某种研究方法导致数据丢失（比如，一个实验出现重大错误，导致部分数据被破坏），那就会引发非常耐人寻味、同时也十分重要的讨论。你可以研究并讨论数据丢失和错误的研究方法所带来的影响，这样也能够向该领域贡献有价值的原创知识。