发表论文数据处理要求

发表论文数据处理要求

核心期刊发表论文一般都是不会的要求原数据的，而且原始数据肯定是要留在自己手上的。现在发表核心期刊的人真的是愈发的多了，很多人也都是为了能够在评定职称的时候，能够顺利的定而发表的论文，而核心期刊发表也是有很多要求的，这不就有人问了核心期刊发表论文会要原数据吗？核心期刊发表论文一般都是不会的要求原数据的，而且原始数据肯定是要留在自己手上的。核心期刊是期刊中学术水平较高的刊物，是我术评价体系的一个重要组成部分。相比于普通期刊，核心期刊的发表难度大大提升。

需要的

科学引文索引以其独特的引证途径和综合全面的科学数据，通过统计大量的引文，然后得出某期刊某论文在某学科内的影响因子、被引频次、即时指数等量化指标来对期刊、论文等进行排行。

被引频次高，说明该论文在它所研究的领域里产生了巨大的影响，被国际同行重视，学术水平高。由于SCI收录的论文主要是自然科学的基础研究领域，所以SCI指标主要适用于评价基础研究的成果，而基础研究的主要成果的表现形式是学术论文。

所以，如何评价基础研究成果也就常常简化为如何评价论文所承载的内容对科学知识进展的影响。

扩展资料：

收录类型

一、正刊

二、特刊

特刊往往是一期具备特定主题的正刊，比如疟疾疾病在某国家的流行情况及治疗研究进展。但是由于拥有特定的主题，特刊往往在被SCI数据库收录的时候加上special issue字样。

国内目前有些高校并不认可特刊，认为其跟国内的特刊一样，质量非常的低，甚至将特刊同增刊混为一谈，这是大错特错的。正常情况下，特刊和增刊拥有以下4个区别：

1、在英文当中，特刊的意思是special issue，而增刊的意思是supplementary issue.

2、特刊是针对某一主题而集中发布的具有相同主题文章的专辑，增刊是在正常版面之外刊登的论文.

3、特刊有正规版面期卷号是正刊中的一期，增刊没有正式的期卷号以及页码，不是正刊中的一期.

4、特刊会被SCI数据库全文检索，且检索类型为论著.而增刊通常很少会被检索，且检索类型通常为会议.

三、增刊

四、会议集

五、新闻

六、编语

参考资料来源：百度百科-SCI

需要，医学sci投稿要求提供原始数据，必须提供数据，还要提供数据处理过程。

SCI论文对数据真实性的要求是很高的，必须如实提供原始数据、数据的处理过程，还要提供所使用处理的。有些单位使用盗版进行数据处理，这都是不能被允许的。

由于SCI收录的论文主要是自然科学的基础研究领域，所以SCI指标主要适用于评价基础研究的成果，而基础研究的主要成果的表现形式是学术论文。

扩展资料：

SCI论文的重要性：

1、随着经济全球化，科学研究也日益全球化，SCI论文是进行国际科学交流的重要方式，也是使国际同行了解我们的主要渠道。

2、发表SCI论文，可以向世界显示我国基础研究的实力，提高我国在世界科学界的地位。在世界著名刊物如Nature和Science上发表一篇重要文章，对于某一学科而言，其意义不亚于在国际体育比赛中取得一块金牌。

3、发表SCI论文的多少和论文被引用率的高低，是国际上通用的评价基础研究成果水平的标准。是招聘、提升、考核、评奖的重要指标。

4、就基础研究而言，在什么样档次的刊物上发表的论文，便具有什么样档次的水平，一目了然，一般不再需要鉴定。成果不是在国际知名的SCI刊物上发表，便很难被认为是国际水平的。

参考资料来源：百度百科-SCI论文

会的。

医学sci杂志reviewer要求提供原始数据，不但必须提供数据，还要提供数据处理过程。

SCI论文对数据真实性的要求是很高的，必须如实提供原始数据、数据的处理过程，还要提供所使用处理的。有些单位使用盗版进行数据处理，这都是不能被允许的。

一般情况下，投稿一周内会收到期刊编辑的邮件，会告知稿件已经给了审稿人。

扩展资料：

论文接收后的工作，就是移交版权(将出版权出让给期刊)。这时候导师会跟那边交流。需要自然会去找。

拿到接收函后过一阵子期刊排版，会给一份稿件校对，看是否有错误，没错误那里就准备发表了。之后就等着期刊在线刊登。

之所以这样做，就是为了证明研究结论的准确可靠。SCI杂志社拿到数据之后，会找到相关的专家用数据进行认真核实，并且进行重复试验，如果其他专家能够得到一致的结论，就说明结论是经得住推敲的。

如果其他专家发现数据有问题，或者按照数据进行重复试验、处理，无法得到结论，就说明结论是站不住脚的，不是出现错误，就是造假，这样的论文一定会被打回来。

参考资料来源：百度百科——科学引文索引

发表论文数据处理

写作点拨：

一、 开题报告封面

论文题目、系别、专业、年级、姓名、导师

二、 论文的背景、目的和意义(目的要明确，充分阐明该课题的重要性)：

论文的背景、理论意义、现实意义

三、国内外研究概况(应结合毕业设计题目，与参考文献相联系，是参考文献的概括)：

理论的渊源及演进过程、国内有关研究的综述、国外有关研究的综述

四、论文的理论依据、研究方法、研究内容(思想明确、清晰，方法正确、到位，应结合所要研究内容，有针对性)

五、研究条件和可能存在的问题

六、预期的结果

七、论文拟撰写的主要内容 (论文提纲)

八、论文工作进度安排(内容要丰富，不要写得太简单，要充实，按每周填写，可2-3周，但至少很5个时间段，任务要具体，能充分反映研究内容)

开题报告的内容一般包括：题目、理论依据(毕业论文选题的目的与意义、国内外研究现状)、研究方案(研究目标、研究内容、研究方法、研究过程、拟解决的关键问题及创新点)、条件分析(仪器设备、协作单位及分工、人员配置)、课题负责人、起止时间、报告提纲等。

综述开题报告的综述部分应首先提出选题，并简明扼要地说明该选题的目的、相关课题研究情况、理论适用、研究方法。  提纲 开题报告包含的论文提纲可以是粗线条的，是一个研究构想的基本框架。

可采用整句式或整段式提纲形式。在开题阶段，提纲的目的是让人清楚论文的基本框架，没有必要像论文目录那样详细。

据统计是实验性SCI论文所必备的。数据统计的作用就是用科学地分析手段证实研究所得结果的合理性。在SCI论文写作方面，数据统计部分有一些习惯性的用语。在此，做简要归纳。提到数据统计部分的内容主要体现在材料与方法（Materials & Methods）、结果（Results）与讨论（Discussion）部分。材料与方法部分主要陈述用某软件（如SPSS 13.0），采用某种分析进行数据统计。该部分内容的写作举例如下：Statistics was performed with SPSS 13.0 Software. Statistical significance was detected by X2 test.结果部分的统计，多数为组内与组间有无显著性差异。注意，如有显著性差异，请记得标明具体的P值。写作时常用的句子包括：statistical difference was detected/observed/examined between or within the group(s) (P value). 组内与组间有无显著性差异（P值=）。Statistical difference was observed/detected/examined in group A compared with that of group B. 或A组与B组相比，在XX方面具显著性差异。Significant/Remarkable decrease/reduction was observed in the expression of XX protein in group A compared with that of group B (P value). A组与B组相比，A组蛋白表达水平明显降低（P值）。我们常会遇到这样的句子：“A组与B组相比，蛋白C、D表达存在差异性。其中C蛋白表达上调，D蛋白表达下调。”这样的句子在翻译时要根据英文论文的撰写特点，重新排序。其实该句在翻译时完全可以这样写：A组与B组相比，C蛋白表达量上调（A组表达水平VS B组表达水平，P值），D蛋白表达量下调（A组表达水平VS B组表达水平，P值）。之所以这样写就是因为中英文论文行文特点的不同，译员要在读懂中文论文的基础上将原来的内容经过“解码”后才会译出原汁原味的英文句子来。参考译文为：Compared with group B, up-regulation of Protein C was detected in group A (xx vs xx, P value). In addition, down-regulation of Protein D was detected in group A compared with that of group B (xx vs xx, P value). 值得一提的是，多数作者在行文时往往没有SCI论文内的标准格式撰写，但是翻译人员在进行翻译时却极有必要指出这些。因为这些能体现出一个人的科研素养。有心留意的译员就会发现很多时候客户的文章写作统计方面存在一些欠缺或不足，这些都需要译员指出来，这些细节对论文的接受可能没有实质性的改变，但是这是一种素质的体现。因为只有专业才能成就卓越！以上自辑文编译转载

论文发表数据处理

如果论文已经正式发表了，但是发现里面有数学上的错误，第一个方法是联系编辑进行撤稿，将错误修改后重新进行发表。第二个方法是不用撤回原稿，而是重新发一个更正声明，说明论文原稿中的错误，并且表达歉意。以上两种方法都可以解决论文发表后发现数据出错的问题。小论文发表过后发现数据出现错误的时候，我们可以进行撤销，更改之后从新发表。

我在这里想总结一下在做毕业论文过程中关于“如何进行文献整理以及数据处理”的经验。数据录入：1. 在施测之前，就要对变量的排列有总体的规划，尽量每一次施测的变量排序一致，那样以后录入时才不会混淆；2. 数据录入时，往往用的是数字代码，此时务必做好各个代码所代表的含义的备份，建议用记事本保持，以防时间长了遗忘，带来不必要的麻烦；数据处理：1. 务必做好数据备份，对不同的转换，建立不同的文档；2. 建立数据处理日志，以防当你的数据处理逐渐增多、数据有所转换之后不至于混淆，以及方便进行数据回述和检查；3. 建立“数据”和“结果”文件夹，分开保存数据和处理结果，避免不必要的混乱；4. 在給数据处理的程序命名时，建议按照处理顺序写上“序号.程序处理名称”，如“1.频数分析”、“2.因素分析”，这样可以一目了然地了解你的数据处理过程和数据处理内容；5. 保存具有代表性的数据处理的程序，这样做的好处是，一方面日后进行相同的数据处理时可以直接“copy”“paste”，很方便；另一方面也避免时日一长遗忘了部分程序；文献整理：1. 所收集的中外文献卷帙浩繁，建议保存文件名包括一下内容：“年份.序号.标题”；如“2007.1.parent-children communication.pdf”、“2007.2.gender dif.pdf”；2. 对所有收集的文献进行归类整理，分别放置于不同的文件夹;3. 有时你需要对外文文献摘要整理和翻译，此时建议你把摘要保存于当前文献所在的文件夹；或者专门建立“摘要整理/翻译”文件夹，以保存各类专题的摘要翻译，以防文献一多便混乱了，想要的时候找不到；4. 外文文献摘要整理文件名格式：“摘要整理.专题名.整理日期”。

发表一篇学术论文（特别是SCI、SSCI）不是一件很简单的事情，往往需要经历一个相对漫长的过程。对于科研新手而言，可能比较好奇发表一篇学术论文需要经过哪些步骤，今天就以理工科生发表SCI为例来谈一谈。第一步，数据收集要想发论文，首先得有拿得出手的东西，对理工科生来说，就必须有值得发表的数据，因此收集数据是发表一篇学术论文的第一步（此处忽略选题、文献调研等前期工作）。一般来说，理论性的论文可以将一些理论计算、仿真分析等结果作为数据，构成一篇论文；工程性的论文，往往需要实验数据，如果再结合一些理论分析（增加实验结果的可信度），会给文章加分不少。看过这么多文献，我发现比较牛逼的文章往往有深厚的理论分析。收集数据是第一步，也是最难、最耗时间的一步，因为你的数据是否漂亮一定程度决定了论文的创新性和价值。为了获得好的数据，好课题的重要性不言而喻，但更需要的是潜心钻研、经得住磨炼的精神。实验往往是残酷的，可能10次实验里前9次都是失败的，只有最后一次成功了，可能干脆全崩了，这时我们的心态也有可能跟着崩了。因此，不能害怕失败，就算失败了也要稳住心态，分析失败的原因，从而找出解决办法，一步一步完善实验。理论计算和仿真分析，有时比做实验更有挑战，因为往往只有具备深厚的数学和专业基础才能做好这一块，这不是一日之功就能完成的，往往需要长期的知识积累和很强的学习能力。当接触了一个新的方向时，我们对其理论背景往往不是非常熟悉，这时大量阅读文献，特别是英文书籍就很有必要，这个过程是痛苦且漫长的。第二步，数据处理/科研绘图数据很重要，数据分析也不能轻视。运用适当的数据分析方法有助于我们掌握数据的特点和内在规律，引发我们新的思考。因为论文的讨论（discussion）部分都是围绕数据展开的，数据的特点更丰富，值得说的点就更多，写起文章来也更容易。论文中的图（Figure）除了数据图还有示意图，炫酷的示意图能给论文增加不少印象分，相信审稿人看到一篇作图水平非常高的论文心情都会好很多吧。像CNS这种级别的论文的作图那叫一个赏心悦目，据说有个学者为了将一颗白菜的三维图做的更漂亮，买了一车的白菜来研究！因此掌握一定的数据处理/科研绘图能力非常重要，平时可以学一下相关的软件，知乎上有个相关的帖子打击可以点击“阅读原文”看一下。第三步，论文撰写数据处理好了，下一步自然就是撰写论文了。有了好东西，得把它说得漂亮才行，就像你开发了个好产品，但是卖得不好也没用。学术论文的结构总是差不多，相信文献看多了之后就发现，总是少不了摘要（abstract）、前言（introduction）、结果（results）、讨论（discussion）、总结（conclusion）等几个部分。在写论文初稿时，不要想着论文的排版，只管把该写的内容写下来就好（word单栏即可，或者LaTeX）。初稿完成后，再根据想要投稿的期刊的格式要求对论文进行排版，一般来说期刊会在官网提供投稿模板（template），按照要求修改格式即可。其实，投稿论文（manuscript）的格式要求和最后发表的格式往往并不一样，涉及到的都是一些比较简单的排版（字体大小、论文结构、图表等 ），因此完全不用为排版担心。因为发表前，期刊编辑会按照发表格式的要求对论文进行重新排版的。总之记住一点，写论文时把重点放在内容上，而不是格式上。论文撰写过程中，英文的表达非常重要，因此平时在文献阅读过程中，要养成积累优秀句型的习惯，做好笔记，拿来即用。前面有几期介绍过一些有助于论文写作的网站，如《论文写作时，堪称神器的网站！》。如果对自己的英文写作不够自信，最好请外国人或者相关的机构润色一下。论文写作过程中，还有一个非常重要的环节就是参考文献格式的书写。我发现身边很多人都会受这个困扰，花很多时间去琢磨如何排版参考文献。其实，有很多优秀的工具可以帮助我们做到这些，比如前面介绍的软件Zotero，后期我会专门讲解如何排版参考文献。

论文数据处理方法

论文数据处理方法，相信绝大部分的小伙伴都写过毕业论文吧，当然也会有正准备要写毕业论文的小伙伴要写毕业论文了，那么论文数据处理方法大家都知道是什么吗？接下来让我们一起来看看吧。

一是列表法。列表法就是将一组实验数据和计算的中间数据依据一定的形式和顺序列成表格。列表法可以简单明确地表示出物理量之间的对应关系，便于分析和发现资料的规律性，也有助于检查和发现实验中的问题，这就是列表法的优点。设计记录表格时要满足以下几点：

1、表格设计要合理，以利于记录、检查、运算和分析。

2、表格中涉及的各物理量，其符号、单位及量值的数量级均要表示清楚。但不要把单位写在数字后。

3、表中数据要正确反映测量结果的有效数字和不确定度。列入表中的除原始数据外，计算过程中的一些中间结果和最后结果也可以列入表中。

此外，表格要加上必要的说明。通常情况下，实验室所给的数据或查得的单项数据应列在表格的上部，说明写在表格的下部。

二是作图法。作图法是在坐标纸上用图线表示物理量之间的关系，揭示物理量之间的联系。作图法既有简明、形象、直观、便于比较研究实验结果等优点，它是一种最常用的数据处理方法。作图法的基本规则是：

1、根据函数关系选择适当的坐标纸(如直角坐标纸，单对数坐标纸，双对数坐标纸，极坐标纸等)和比例，画出坐标轴，标明物理量符号、单位和刻度值，并写明测试条件。

2、坐标的原点不一定是变量的零点，可根据测试范围加以选择。，坐标分格最好使最低数字的一个单位可靠数与坐标最小分度相当。纵横坐标比例要恰当，以使图线居中。

3、描点和连线。根据测量数据，用直尺和笔尖使其函数对应的实验点准确地落在相应的位置。一张图纸上画上几条实验曲线时，每条图线应用不同的.标记符号标出，以免混淆。连线时，要顾及到数据点，使曲线呈光滑曲线(含直线)，并使数据点均匀分布在曲线(直线)的两侧，且尽量贴近曲线。个别偏离过大的点要重新审核，属过失误差的应剔去。

4、标明图名，即做好实验图线后，应在图纸下方或空白的明显位置处，写上图的名称、作者和作图日期，有时还要附上简单的说明，如实验条件等，使读者一目了然。作图时，一般将纵轴代表的物理量写在前面，横轴代表的物理量写在后面，中间用“～”联接。

实验数据的处理离不开绘制成表，列表法和作图法还是有一定区别的。科研工作者在处理数据时，要注意根据实验数据的特点，选择是用列表法还是作图法。

1、 基本描述统计

频数分析是用于分析定类数据的选择频数和百分比分布。

描述分析用于描述定量数据的集中趋势、波动程度和分布形状。如要计算数据的平均值、中位数等，可使用描述分析。

分类汇总用于交叉研究，展示两个或更多变量的交叉信息，可将不同组别下的数据进行汇总统计。

2、 信度分析

信度分析的方法主要有以下三种：Cronbach α信度系数法、折半信度法、重测信度法。

Cronbach α信度系数法为最常使用的方法，即通过Cronbach α信度系数测量测验或量表的信度是否达标。

折半信度是将所有量表题项分为两半，计算两部分各自的信度以及相关系数，进而估计整个量表的信度的测量方法。可在信度分析中选择使用折半系数或是Cronbach α系数。

重测信度是指同一批样本，在不同时间点做了两次相同的问题，然后计算两次回答的相关系数，通过相关系数去研究信度水平。

3、 效度分析

效度有很多种，可分为四种类型：内容效度、结构效度、区分效度、聚合效度。具体区别如下表所示：

4、 差异关系研究

T检验可分析X为定类数据，Y为定量数据之间的关系情况，针对T检验，X只能为2个类别。

当组别多于2组，且数据类型为X为定类数据，Y为定量数据，可使用方差分析。

如果要分析定类数据和定类数据之间的关系情况，可使用交叉卡方分析。

如果研究定类数据与定量数据关系情况，且数据不正态或者方差不齐时，可使用非参数检验。

5、 影响关系研究

相关分析用于研究定量数据之间的关系情况，可以分析包括是否有关系,以及关系紧密程度等。分析时可以不区分XY，但分析数据均要为定量数据。

回归分析通常指的是线性回归分析，一般可在相关分析后进行，用于研究影响关系情况，其中X通常为定量数据（也可以是定类数据，需要设置成哑变量），Y一定为定量数据。

回归分析通常分析Y只有一个，如果想研究多个自变量与多个因变量的影响关系情况，可选择路径分析。

发表论文需要数据处理吗

是的！毕业论文没有数据分析，怎么论证你观点！又怎么让别人“信服”你的论点！

教育论文要有数据作为支撑。几乎论文里必须有数据的，支撑论文核心，没有数据会很空的。论文的分析部分离不开三方面的构成要素：第一是理论基础。几乎所有的学科的研究多是建立在特定的分析框架和理论基础上。第二是数据(或案例)。数据是论点的支撑，数据是科学分析的原材料。甚至可以说，研究因为有了良好的数据支撑，研究本身就已经成功了一半。研究材料的完整性和准确性也直接关系到研究结果的效度与信度。第三是方法。狭义的方法是指如何处理数据的方法。广义的方法泛指以实践现象为研究起点的实证分析方法或以理论观点为研究起点的规范分析方法。

据统计是实验性SCI论文所必备的。数据统计的作用就是用科学地分析手段证实研究所得结果的合理性。在SCI论文写作方面，数据统计部分有一些习惯性的用语。在此，做简要归纳。提到数据统计部分的内容主要体现在材料与方法（Materials & Methods）、结果（Results）与讨论（Discussion）部分。材料与方法部分主要陈述用某软件（如SPSS 13.0），采用某种分析进行数据统计。该部分内容的写作举例如下：Statistics was performed with SPSS 13.0 Software. Statistical significance was detected by X2 test.结果部分的统计，多数为组内与组间有无显著性差异。注意，如有显著性差异，请记得标明具体的P值。写作时常用的句子包括：statistical difference was detected/observed/examined between or within the group(s) (P value). 组内与组间有无显著性差异（P值=）。Statistical difference was observed/detected/examined in group A compared with that of group B. 或A组与B组相比，在XX方面具显著性差异。Significant/Remarkable decrease/reduction was observed in the expression of XX protein in group A compared with that of group B (P value). A组与B组相比，A组蛋白表达水平明显降低（P值）。我们常会遇到这样的句子：“A组与B组相比，蛋白C、D表达存在差异性。其中C蛋白表达上调，D蛋白表达下调。”这样的句子在翻译时要根据英文论文的撰写特点，重新排序。其实该句在翻译时完全可以这样写：A组与B组相比，C蛋白表达量上调（A组表达水平VS B组表达水平，P值），D蛋白表达量下调（A组表达水平VS B组表达水平，P值）。之所以这样写就是因为中英文论文行文特点的不同，译员要在读懂中文论文的基础上将原来的内容经过“解码”后才会译出原汁原味的英文句子来。参考译文为：Compared with group B, up-regulation of Protein C was detected in group A (xx vs xx, P value). In addition, down-regulation of Protein D was detected in group A compared with that of group B (xx vs xx, P value). 值得一提的是，多数作者在行文时往往没有SCI论文内的标准格式撰写，但是翻译人员在进行翻译时却极有必要指出这些。因为这些能体现出一个人的科研素养。有心留意的译员就会发现很多时候客户的文章写作统计方面存在一些欠缺或不足，这些都需要译员指出来，这些细节对论文的接受可能没有实质性的改变，但是这是一种素质的体现。因为只有专业才能成就卓越！以上自辑文编译转载

我们在场在写毕业论文的时候都是需要有数据分析的，毕竟是毕业论文是需要达到要求的，所以需要用数据来进行支撑自己的论文观点。

已发表论文数据处理

常用spss软件或eviews.jingrui

论文数据处理方法

论文数据处理方法，相信绝大部分的小伙伴都写过毕业论文吧，当然也会有正准备要写毕业论文的小伙伴要写毕业论文了，那么论文数据处理方法大家都知道是什么吗？接下来让我们一起来看看吧。

一是列表法。列表法就是将一组实验数据和计算的中间数据依据一定的形式和顺序列成表格。列表法可以简单明确地表示出物理量之间的对应关系，便于分析和发现资料的规律性，也有助于检查和发现实验中的问题，这就是列表法的优点。设计记录表格时要满足以下几点：

1、表格设计要合理，以利于记录、检查、运算和分析。

2、表格中涉及的各物理量，其符号、单位及量值的数量级均要表示清楚。但不要把单位写在数字后。

3、表中数据要正确反映测量结果的有效数字和不确定度。列入表中的除原始数据外，计算过程中的一些中间结果和最后结果也可以列入表中。

此外，表格要加上必要的说明。通常情况下，实验室所给的数据或查得的单项数据应列在表格的上部，说明写在表格的下部。

二是作图法。作图法是在坐标纸上用图线表示物理量之间的关系，揭示物理量之间的联系。作图法既有简明、形象、直观、便于比较研究实验结果等优点，它是一种最常用的数据处理方法。作图法的基本规则是：

1、根据函数关系选择适当的坐标纸(如直角坐标纸，单对数坐标纸，双对数坐标纸，极坐标纸等)和比例，画出坐标轴，标明物理量符号、单位和刻度值，并写明测试条件。

2、坐标的原点不一定是变量的零点，可根据测试范围加以选择。，坐标分格最好使最低数字的一个单位可靠数与坐标最小分度相当。纵横坐标比例要恰当，以使图线居中。

3、描点和连线。根据测量数据，用直尺和笔尖使其函数对应的实验点准确地落在相应的位置。一张图纸上画上几条实验曲线时，每条图线应用不同的.标记符号标出，以免混淆。连线时，要顾及到数据点，使曲线呈光滑曲线(含直线)，并使数据点均匀分布在曲线(直线)的两侧，且尽量贴近曲线。个别偏离过大的点要重新审核，属过失误差的应剔去。

4、标明图名，即做好实验图线后，应在图纸下方或空白的明显位置处，写上图的名称、作者和作图日期，有时还要附上简单的说明，如实验条件等，使读者一目了然。作图时，一般将纵轴代表的物理量写在前面，横轴代表的物理量写在后面，中间用“～”联接。

实验数据的处理离不开绘制成表，列表法和作图法还是有一定区别的。科研工作者在处理数据时，要注意根据实验数据的特点，选择是用列表法还是作图法。

1、 基本描述统计

频数分析是用于分析定类数据的选择频数和百分比分布。

描述分析用于描述定量数据的集中趋势、波动程度和分布形状。如要计算数据的平均值、中位数等，可使用描述分析。

分类汇总用于交叉研究，展示两个或更多变量的交叉信息，可将不同组别下的数据进行汇总统计。

2、 信度分析

信度分析的方法主要有以下三种：Cronbach α信度系数法、折半信度法、重测信度法。

Cronbach α信度系数法为最常使用的方法，即通过Cronbach α信度系数测量测验或量表的信度是否达标。

折半信度是将所有量表题项分为两半，计算两部分各自的信度以及相关系数，进而估计整个量表的信度的测量方法。可在信度分析中选择使用折半系数或是Cronbach α系数。

重测信度是指同一批样本，在不同时间点做了两次相同的问题，然后计算两次回答的相关系数，通过相关系数去研究信度水平。

3、 效度分析

效度有很多种，可分为四种类型：内容效度、结构效度、区分效度、聚合效度。具体区别如下表所示：

4、 差异关系研究

T检验可分析X为定类数据，Y为定量数据之间的关系情况，针对T检验，X只能为2个类别。

当组别多于2组，且数据类型为X为定类数据，Y为定量数据，可使用方差分析。

如果要分析定类数据和定类数据之间的关系情况，可使用交叉卡方分析。

如果研究定类数据与定量数据关系情况，且数据不正态或者方差不齐时，可使用非参数检验。

5、 影响关系研究

相关分析用于研究定量数据之间的关系情况，可以分析包括是否有关系,以及关系紧密程度等。分析时可以不区分XY，但分析数据均要为定量数据。

回归分析通常指的是线性回归分析，一般可在相关分析后进行，用于研究影响关系情况，其中X通常为定量数据（也可以是定类数据，需要设置成哑变量），Y一定为定量数据。

回归分析通常分析Y只有一个，如果想研究多个自变量与多个因变量的影响关系情况，可选择路径分析。

可以。论文没发表之前都可以进行修改，但是一般不建议大改，大改可能会使论文的整体方向错误，无法论证。见刊后的修改在很多情况下是不可挽回的，因为文章已经公开发表，如果涉及到的数据错误是比较重大的，作者可以选择撤稿，作者需要向杂志社说明原因，经杂志社和主编的商讨一致同意，杂志社会出一个撤稿声明，刊登在期刊上。