论文数据分析的那些事儿

又到了一群大四、研三的童鞋考虑毕业论文的时候了。随着计算机技术的进步，和量化研究理念的平民化，现在很多学科的毕业生都可能会在自己的毕业论文中使用数据分析的方法去论证自己的研究目的和观点，然而由于部分学校、部分学科的教育工作还没跟上时代的浪潮，对学生的数据分析能力培养还停留在基础层面，这使得学生在利用数据分析的相关工具和方法理论时存在巨大的障碍，并且十分惧怕数据分析，认为数据分析是高大上和神秘莫测的东西。
 
今天，就向大家分享一些得到我们帮助的那些同学的经历中所提炼出的一些观点，供各位在准备毕业论文的小伙伴们参考，希望能帮你解除心中的疑惑。
 


1.论文数据分析没那么难！                                    
 
学术论文的数据分析本身其实不难，对于不是很认真学习的同学来说觉得难，是因为自己对专业知识掌握不熟，专业知识的理解就是障碍，更别说结合数据分析这种方法了。这样的同学，在做毕业论文的时候，花几天时间恶补一下与论文有关的专业知识，对付毕业论文应该是够了。
 
对于那些专业知识掌握得还不错的同学来说，觉得数据分析很难，很可能的原因是数据分析的结果和自己的研究假设不符合。在研究之前预先提出假设是做学术研究的基本套路，是无可厚非的，但是并没有要求我们所做实验获得的数据必须符合预期假设。往往数据分析结果不支持假设，不是数据分析方法的问题，而是数据本身的质量，以及实验开展时的环境这些因素影响了数据分析结果。
 
学术界用来检验数据是否符合预期假设的方法在不同的领域基本上固定的，不存放数据分析方法上的创新。数据分析方法的创新是数据科学，统计学，计算机科学等领域的研究人员主要解决的问题，如果你在数据分析上撒谎，只须要求你提供原始数据记录，然后他们单独用你所说的方法进行分析，一下就露馅了。
 
2. 论文数据分析和商业数据分析不同                      
 
商业数据分析是希望尽可能从数据中挖掘出有价值的信息，商业上分析的数据通常非常杂乱，需要在数据分析方法上进行创新，用探索分析，数据挖掘，可视化分析等多种方法和手段从数据中挖掘出有用的信息。
 
论文数据分析中所分析的数据源一般出自精心准备的实验，数据缺失的情况都很少见，每个专业所使用的方法基本都比较固定。论文数据的难点就在于如何把专业知识，数据分析方法灵活的结合在一起。专业知识依赖于平时的学习积累，数据分析技能可以通过课程学习或者自学来填补，要弄清楚自己的专业所在领域所需要使用的数据分析方法的原理和相应的软件操作或者代码编写方式。
 
3. 各领域所使用的数据分析方法是相对固定的            
 
不同的专业领域所使用的数据分析方法一般会有所差别，但是相同的专业领域所使用的数据分析方法却基本是相同的。自然科学领域多使用方差分析；经济学多使用多元回归分析；社会科学一般会用到因子分析，中介效应检验。对于我们一般的毕业生而言，以后所从事的工作不是数据分析，没必要掌握那么多的数据分析方法，因此看几篇本专业领域的论文，就大概知道自己的毕业论文要用那些分析方法了，然后去找先关的参考书或者教程把这些方法的原理，软件操作掌握好，做毕业论文的数据分析就不用愁了。