许多科研论文都采用实证研究方法，因此在撰写论文时，必然会涉及到这方面内容。

小伙伴们！我专门为大家梳理了一份论文写作中数据处理时容易犯的错误，分析得十分详尽，希望能对你们有所帮助，快来瞧瞧吧！

1. 统计得出的结论不太准确啊

数理统计的根基便是概率论。我们进行统计分析并得出结论，所依据的是这样一个原理：那些发生概率极小的事情，怎么可能在一次试验中就发生呢？绝无可能！通常而言，统计领域默认P值小于等于0.05或者0.01的事件即为小概率事件。

在统计学领域，经常被提及的“差异显著”（P≤0.05）以及“差异非常显著”（P≤0.01），这些均为统计学的专业术语，与我们日常生活中所讲的“显著”并非同一概念。

如今，在统计学领域，为避免大家混淆这两个概念，业界主张采用“差异无显著意义”“有统计意义”“差异极具意义”或“高度统计意义”等表述，来取代以往常用的“差异不显著”“差异显著”和“差异非常显著”。

在得出结论时，仅仅依据统计结果是远远不够的，还需要结合专业知识。有些人总爱凭借一些零散的统计数据，便随意得出“有差异”或“无差异”的结论，甚至对着那些调查数据信口开河，这种做法实在是不科学。此外，“有差异”“无差异”这样的表述本身就存在一定问题。

例如，我们查询一下抽烟人群与非抽烟人群患慢性气管炎的情况（P<0.01），这仅能表明抽烟者和非抽烟者在患慢性气管炎方面存在显著差异，即抽烟的人更易患上这种疾病。至于这两类人群患病比例的差异程度如何，需要凭借专业知识进行判断，不能直接认定差异特别大。

2.统计指标绝对不能用错！

在我们收到的稿件中，常常发现统计指标使用有误，例如将率和构成比混淆，分不清发病率与患病率，也经常弄错死亡率和病死率。

2.1将构成比当作率来运用。构成比用于表明事物或现象内部各构成部分的占比，而率则是用于表示某种现象发生的频率或强度。它们均为相对数指标，以百分数形式呈现。有一篇题为“某年某地5类传染病疫情分析”的文章，作者认定，5类传染病的发病率依次为痢疾48.62%（3685/7579）、肝炎27.85%（2111/7579）、乙脑11.22%（850/7579）、流脑6.89%（522/7579）、麻疹5.42%（411/7579）。实际上，这组数据是构成比，并非发病率，因此作者犯了“以比代率”的错误。

2.2发病率和患病率这两个概念一定要分清！发病率是指在某个时间段（如一年、一个季度或一个月）内新患某种疾病的人数与同时期总人口数的比值，重点在于观察这段时间内新出现的病例数量。

而患病率是指在某个特定时间点，患有某种疾病的总人数（无论新患还是既往患病）与当时总人口数的比值，它强调的是该时间点上患病的实际人数。

有人对7674名男性进行检查，发现6235人患有沙眼，计算得出发病率为81.25%；又对2896名女性进行检查，发现2225人患有沙眼，发病率为76.83%。显然，这里计算错误，实际计算的应该是患病率。

发病率实际上是指平均每1000人中新发病例的数量。其计算公式为：某病发病率等于某年（或某时期）新发病例数除以同年（或同时期）的平均人口数，再乘以1000‰。例如，某地某年的平均人口为2500人，白喉发病人数为28人，那么该地白喉的年发病率为11.20‰。

3.这个设计似乎存在一些问题呢。

“不比不知道，一比见分晓”，因此设立对照组，是为了科学地探究究竟哪一个更为出色。在医学研究中，设置对照组尤为关键。为何有些科研论文看似可信度不高？主要原因在于对照组设置不合理，甚至有些研究根本未设立对照组。

在临床上，许多疾病即便不进行特殊治疗也可能自行好转，病情自然减轻的情况屡见不鲜。而且，影响病情的因素繁多，除了治疗手段外，精神状态、环境、休息、营养、天气等因素均可能对病情发展产生影响。倘若不开展严格的对照试验，便难以明确究竟是何种因素在起作用。

4.样本选取有误

样本选取需注重随机性，如此选出的样本才能切实反映整体状况。我们在审稿过程中发现，许多作者对随机分组这一概念了解不足。部分作者虽提及随机抽样，却未阐述具体的抽样及分组方式；有些作者知晓随机分组的原则，却因怕麻烦而未认真执行；更有甚者，为使论文得以发表，仅仅挂着“随机”的名号。

为解决这些乱象，编辑部在当前审稿时，会要求作者补充随机抽选人员和分组的具体方法。例如，抽选人员可采用简单随机抽样、系统抽样、分层抽样、整群抽样等方法；分组则可运用完全随机设计、配对设计、区组设计、拉丁方设计、序贯设计、正交试验设计等方式。

5. 分组实在是太不均衡啦！

对照组与试验组需保持平衡，即除试验处理这一项外，对照组的其他条件应与试验组相近，如此方能排除其他因素对结果的影响。倘若分组时未留意对照组和试验组的平衡，两组之间便会存在差异，实验的可比性会降低，统计意义也会随之减弱。

6. 非参数方法可不能使用参数统计方法哦！

咱们在日常处理计量数据时，常常会运用 t 检验或者 F 检验。不过，有时也会碰到采用参数方法处理非参数数据的情形。

例如，像微量元素（血铅、血锌、尿汞）这类数据，通常呈现偏态分布[3]。若数据为偏态分布，小样本（n<50）就不宜使用参数统计方法（t 检验或 F 检验），而应改用非参数统计方法（如参比差值法或者秩和检验），或者先对数据进行转换（如取倒数或对数），再运用参数统计方法。

7.统计图表制作得不太规范呢！

在开展疾病防治工作时，我们需要运用大量的统计图表，以便清晰地阐释疾病的发生与发展机制，同时评估防治措施的实际效果。统计图表的设计应遵循简洁明了的原则，确保读者能够迅速把握各项数据之间的关系和差异，三线式图表是比较理想的选择。避免设计得过于繁杂、冗长，更不能将毫无关联的数据强行整合在同一张图表中。

8.选错统计方法，或者应用的场景不当。

在挑选统计方法之前，需要先明确手头的数据属于计数数据还是计量数据。

计数资料是指将观察对象按照性质或类别进行分组，然后统计每组的数量，例如所计算得出的治愈率、有效率、病死率、阳性率等。

计量资料指的是采用定量方法为每个观察对象测量得到的具体数值，例如身高、体重、脉搏、血压、浓度、白细胞总数等。计数资料最常用的统计方法是χ2检验或U检验，而计量资料最常用的统计方法则是t检验（或F检验）。然而，在投稿时，这两种资料常常被人弄混。

运用t检验极为便捷，不过需先满足几个条件：①倘若样本量较小，需保证数据近似呈正态分布；②若要对比两组平均值，那么两组的方差应大致相同；③若数据并非呈正态分布，则需改用t’检验；④若两组方差差异显著，则需采用秩和检验或者t’检验。部分使用者在应用t检验时，完全未考量这些条件，肆意滥用。若遇到等级数据（例如治愈、显效、好转、无效这类），则仅能使用非参数检验。