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。