发布时间：
你也可以看看是不是你的实验有误，检查自己是不是哪步骤出了差错，如果还是不知道怎么弄得话，可以看看汉斯出版社官网上的文献
关键是有无多少个样本？如果就是一个处理组和一个对照组，可以进行T检验，若无显著差异则无意义！aqui te amo。
再好好分析，用别的的数据、别的方法再去研究，得出新的分析结论。可以去咨询老师，看看是哪里出的错误，能及时纠正。
每一个孩子都经历过被论文支配的痛苦，大多数学生写完了文之后要去相关网站进行查重，如果某一位学生写出来的作文不合格，这位学生会根据不合格的原因进行修改。还有一部分学生论文，写完之后发给辅导员及专业课，老师，查看之后没有问题，却在答辩上出现问题，这类学生可以申请第二次答辩，答辩老师不会为难你的。学生并不害怕答辩，他们害怕自己写的论文效果不显着，那么当我们遇到论文效果不显著时，该怎么办呢？
每一个学生都会得到学校的安排，每一个学生都有专业课老师进行论文辅导。我们学校每一个班级都有一个专业老师，他会帮助我们修改论文，解决论文中的问题。当我们出现任何论文问题时，这位老师会查阅相关资料，给予我们最正确的答复。如果你的论文结果不显著，可以请教专业老师帮忙指导。
绝大部分学生论文效果不显著的原因是资料匮乏，所提出的观点得不到验证。还有一部分学生论文效果不显著的原因是查重率太高，论文不通过。既然你没有查阅相关资料就开始写论文，那么论文的结果肯定不会尽如人意，所以如果碰到论文结果不显著的情况，可以继续查阅资料，丰富论文内容。
这里指的是与其他人进行互帮互助，每一个班里都有学习很好的学生。如果你是一名学渣，所写出的作文结果不如人意，可以向同学寻求帮助，也可以和学习好的同学进行合作。许多人通过讨论与合作完成论文，寻求他人合作与帮助的过程中，千万不要害羞，让同学知道你有一颗爱学习的心。
再好好分析，用别的的数据、别的方法再去研究，得出新的分析结论。可以去咨询老师，看看是哪里出的错误，能及时纠正。
关键是有无多少个样本？如果就是一个处理组和一个对照组，可以进行T检验，若无显著差异则无意义！aqui te amo。
看看数据是否出现了错误，可以先认真的核查一遍，看看自己的计算过程是否正确，如果没有错误，那就更换下实验的数据的，把数据修改一下。
你也可以看看是不是你的实验有误，检查自己是不是哪步骤出了差错，如果还是不知道怎么弄得话，可以看看汉斯出版社官网上的文献
我觉得可以适当的发散一下，这样会更加的丰富，变得更合适。
写的论文得出来的结果不显著，可以再改改呀，或者是找比自己学习好的人帮你看看问题出在了哪里
写的论文得出来的结果改成显著了，可以再改改，或者是找比自己学习好的人帮你看看问题出在了哪里。
论文是一个汉语词语，古典文学常见论文一词，谓交谈辞章或交流思想。当代，论文常用来指进行各个学术领域的研究和描述学术研究成果的文章，简称之为论文。它既是探讨问题进行学术研究的一种手段，又是描述学术研究成果进行学术交流的一种工具。
它包括学年论文、毕业论文、学位论文、科技论文、成果论文等。不显著的话直接写出结论即可，说明之前的假设是不成立的。直接写出结论即可。
论文变量关系不显著的方法：
论文变量关系不显著，可以尽量引用更多关于变量关系的理论依据，甚至于相关事例！使自己的论点羽翼更丰满。
论文变量关系不显著，就要着重讲述和阐述论文变量的关系，使它。显著的表露出来硕士论文不显著改成显著了。
硕士论文不显著改成显著了不可以，属于数据造假。是学术不端行为，会拖累导师。硕士论文不显著原因：数据收集不准确、预期结论存在一定错误都有可以造成结果与预期不符。
你也可以看看是不是你的实验有误，检查自己是不是哪步骤出了差错，如果还是不知道怎么弄得话，可以看看汉斯出版社官网上的文献
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。
1、先将平均数由大到小排列（从上到下排列），在最大平均数后标记字母a。2、用该平均数依次与各平均数相比（向下过程），凡差异不显著都标记同一字母a，直到遇到与其差异显著的平均数，其后标记字母b，向下比较停止。3再以标有字母b的该平均数为标准，依次与上方比它大的各个平均数比较（向上过程），凡差异不显著一律再加标b，直至显著为止（开始“掉头”向下）。4、再以标记有字母b的最大平均数为标准（向下过程），依次与下面各未标记字母的平均数相比，凡差异不显著，继续标记字母b，直至遇到某一个与其差异显著的平均数标记c
再好好分析，用别的的数据、别的方法再去研究，得出新的分析结论。可以去咨询老师，看看是哪里出的错误，能及时纠正。
题主是否想询问“eviews取对数后不显著的原因”?不显著的原因有很多，有调查设计、数据来源、抽样方法、质量控制、录入错误、分析方法错误等原因。在数学中，对数是对求幂的逆运算，正如除法是乘法的逆运算，反之亦然。意味着一个数字的对数是必须产生另一个固定数字（基数）的指数。在简单的情况下，乘数中的对数计数因子。更一般来说，乘幂允许将任何正实数提高到任何实际功率，总是产生正的结果，因此可以对于b不等于1的任何两个正实数b和x计算对数。
看下是否存在异方差或者自相关等违背经典假定的错误。协整回归模型要是显著的话其误差修正模型一般是显著的。结果不显著的原因有很多，有调查设计、数据来源、抽样方法、质量控制、录入错误、分析方法错误等原因，因此在数据已经收集到之后，是没法判断造成不显著的原因的。如果您的研究假设就错了，也就是说，A和B的相关关系原本就是不显著的，你一定要假设他们显著，然后去做调查，这样就算您努力去设计和调查了，得到的结果仍然是没法让您满意。所以，设计方案是第一，有一个好的设计，才会去收集到合适的数据。至于统计方法，那是最后要做的事情。如果前期工作都满意了，那么后期统计分析结果满意的可能性就大一些。
不显著的原因有很多，有可能是你操作错误，有可能是data本身的问题我经常帮别人做类似的数据统计分析的，经验很丰富