不少科研论文属于实证研究，因此在论文撰写过程中，不可避免地会涉及到相关内容。

为大家整理了一份论文写作数据处理常见错误分析，并提供一些相关参考内容，欢迎查看。

1. 统计结论的表述欠精准

数理统计的基础便是概率论。我们进行统计分析并得出结论的依据在于：那些发生概率极小的事件，在一次试验中几乎不可能发生。通常，在统计学中，人们习惯将概率P小于等于0.05或P小于等于0.01的情况视为小概率事件。

通常统计中所说的“差异显著”（P≤0.05）、“差异非常显著”（P≤0.01）均为统计学专业术语，与我们日常提及的“显著”含义大相径庭哦！

如今，在统计学领域，为避免大家混淆这两个概念，主张采用“差异无显著意义”或“无统计意义”“差异有显著意义”或“有统计意义”“差异有极为显著意义”或“高度统计意义”，来替代以往常用的“差异不显著”“差异显著”和“差异非常显著”表述。

在得出结论时，不能仅依据统计学结果，还需结合专业知识进行判断。有些人仅凭借少量统计资料，就轻易判定“有差异”或“无差异”，并对所调查的数据下结论，这种做法并不科学。此外，“有差异”“无差异”这类表述也不准确。

例如，我们查询一下抽烟人群和不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不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，需要依靠专业知识进行判断，不能随意认定差异极大。

2.统计指标的不合理运用

在我们收到的稿件中，时常会发现统计指标运用有误的状况。比如，将率与构成比相互混淆，对发病率和患病率分辨不明，死亡率和病死率也常常被混淆。

2.1将构成比当作率来使用。构成比用于说明事物或现象内部各构成部分所占的比重，而率则是用以表示某种现象发生的频率或强度。它们均为相对数指标，以百分数的形式呈现。

有一篇题为“某年某地5类传染病疫情分析”的文章，作者认为，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！发病率指的是在某一时间段内（例如一年、一个季度或者一个月），新患某种疾病的人数占当时总人口的比例，重点在于关注这段时间内新增的病例数量。而患病率则是指在某个特定时间点，患有这种疾病的人（无论患病时间长短）占总人口的比例，着重体现该时间点上的“现患”状况。

有人对 7674 名男性进行调查，发现其中 6235 人患有沙眼，计算得出发病率为 81.25%；对 2896 名女性进行调查，有 2225 人患有沙眼，发病率为 76.83%。显然，这是计算错误，这里计算的应该是患病率！发病率实际上是指平均每 1000 人中新发病的病例数。其计算公式为：某病发病率 =（某年或某段时间新发病例数÷同年或同段时间平均人口数）×1000‰。例如，某地年平均人口为 2500 人，有 28 人患白喉，那么该地白喉的年发病率就是 11.20‰。

3.这设计着实太不合理了！

“没有比较，何来好坏之分？”所以说，设立对照组是为了科学地弄清楚究竟哪个更好。在医学研究中，对照组极为重要。为何有些科研论文看似不靠谱？主要原因在于对照组设置不当，甚至有些研究直接未设立对照组。

在临床上，许多疾病即便不进行特殊治疗也会自愈，病情自行缓解的情况屡见不鲜。影响病情的因素众多，除了治疗手段外，精神状态、环境、休息、营养、天气等均会对病情产生影响。倘若不开展严格的对照试验，根本无法得出确切结论。

4.样本选取有误

样本选取需遵循随机原则，如此方能使样本真实地反映整体状况。我们在审稿过程中发现，许多作者对随机分组的概念理解不足。部分作者虽提及随机抽样，却未详细说明具体的抽样与分组方式；有些作者虽知晓随机分组原则，却因嫌麻烦而未认真执行；更有甚者，为使论文得以发表，直接随意写上“随机”二字。

为纠正这些不良现象，编辑部如今在审稿时，会要求作者补充随机抽选人员和分组的具体方法。例如，抽选人员的方法包括单纯随机抽样、系统抽样、分层抽样、整群抽样等；分组方法则有完全随机设计、配对设计、配伍设计、拉丁方设计、序贯设计、正交试验设计等。

5. 分组杂乱无章，两边的人数差距过大！

对照组与实验组需保持平衡，确切地说，除未接受实验处理之外，对照组的其他条件应与实验组大致相同。如此，方能排除其他因素对实验结果的影响。若在分组时未留意对照组和实验组的平衡，两组之间便会出现差异，进而降低实验的可比性，统计学意义也会随之减弱。

6. 非参数方法无法运用参数统计方法进行处理。

咱们在日常处理计量数据时，常常会运用到t检验或F检验。然而，有时也会出现将非参数数据当作参数数据来处理的状况。例如，微量元素（如血铅、血锌、尿汞等）的数据通常并非呈正态分布[3]。倘若数据呈偏态分布，对于小样本（样本量少于50）而言，便不能采用t检验或F检验这类参数方法，而需替换为非参数方法，像参比差值法或秩和检验；亦或是先对数据进行转换（如倒数或对数转换），再运用参数方法加以处理。

7.统计图表的制作不太规范呢！

在开展疾病防治工作时，我们常常需要运用各类统计表和图表，如此便能清晰地呈现疾病的发生与发展过程，同时也能检验我们所采取的防治措施是否有效。

优质的统计表应当简洁明了，三线式的表格为最佳选择，它能够让人们一眼洞悉各个数据之间的关联与差异。切记，不要将表格设计得过于复杂，也不要纳入过多内容，更不可把几种截然不同的数据强行整合在一个表格之中。

8.统计方法选择错误或者使用有误！

在挑选统计方法之前，你需要先明确自己手头的数据属于计数型数据还是计量型数据哦！

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

计量资料是指运用工具对每个观察对象进行测量后所获得的具体数值，例如身高、体重、脉搏、血压、浓度、白细胞总数等。计数资料通常采用χ2检验或U检验进行分析，而计量资料最常用的则是t检验（或F检验）。然而，在投稿时，常有作者将这两者混淆。

另外，应用 t 检验的条件如下：①当样本含量较小时，要求样本呈正态分布或近似正态分布；②当进行两样本均数比较时，两样本方差需相同；③当样本不符合正态分布时，应采用 t’检验取代 t 检验；④当两样本方差不同时，应采用秩和检验或 t’检验。部分作者在使用 t 检验时，未充分考量上述因素便盲目使用。对于等级资料（如治愈、显效、好转、无效），若要比较疗效，仅能采用非参数检验。