发布时间：
毕业论文查重率低是好事，但是你可以先询问一下你的学长学姐，这个查重率是否合理。
像我是学文的，我们的查重率要求在百分之十左右，如果是百分之二点二，会被老师质疑你是否有理论支撑。因为我们学文学的都是从作品里面剖析出自己的见解，所以必须要有原文或者名人的理论支撑。
如果你是学理科的，我觉得这个查重率算是棒棒的，因为据我了解，理科的毕业论文基本都是靠数据跟实验支撑起来，而你的百分之二点二，不仅不会被老师质疑，可能还会被老师赞赏你的原创率高。
如果你跟我一样，是学文科的。你完全可以放心大胆的在你的毕业论文里直接摘抄你的参考文献，或者是增加原文句子。
像我们专业，直接就是硬性要求必须要有15条引用参考文献。如果你的参考文献不多，可以用这个办法，像我学姐的毕业论文，本来是百分之二，用了这个办法之后，达到了百分之八。最后成功通过了答辩。
真的是人生建议，文科生的毕业论文一直要控制在百分之十左右，因为有一个学长就是因为论文查重率只有百分之三，而被答辩老师骂哭。真的非常惨烈了。
当你不知道你的这个查重率是否符合你的专业要求时，导师的意见是你的方向。注意的是，不要问刚带第一届的导师，要问那种老教师。一般老教师在答辩方面经验十足。如果你的导师是新老师的话，你吃的亏可能就会多一些。
像我的学姐，因为导师是刚来的，什么也不知道。她自己也懒得去请教老教师，于是在答辩时被指出格式不对，还有毕业论文的逻辑不清晰。被答辩老师一通乱骂，真的是非常的难受了。
如果你的毕业论文查重只有，你应该高兴才是，但为了安全起见，你尽量使查重率再降一点。以我校为例：硕士毕业论文整篇重复率应低于15%，单章低于25%。单章的重复率不可过高，尤其第一章有文献综述，一定要留意，字数不可超。
✪学校会统一安排查重，查重结果一旦不通过，要么延迟毕业，要么毕不了业，还是挺惨烈的。所以，学校查重之前的自查，非常重要!对了，查重范围是从“摘要”到“致谢”的所有文字和表格。封面、独创性声明、论文使用授权、文末的参考文献清单、图片不会参与查重，大家放心吧。论文前后要修改很多轮，建议基本定稿之后再查重。
✪一般毕业论文查重率是30%以下的范围，社会上90%的院校都会把毕业论文查重的重复率要求低于30%。而且一些985/211院校更是要求毕业论文查重率是低于20%的，优秀毕业论文查重率更是要低于15%的。在毕业季节，论文查重的问题接踵而至，这让每个人都措手不及。因此，我们首先要明确论文重复检测的具体要求，以便及时调整论文内容，为论文争取更多的降重时间。
①自我复述法（这是降重的终极大法）：就是将原来的句子通读一遍，记在脑子里，充分理解，然后用自己的语言复述出来。如果重复率不是很高，可以尝试这个方法。
②词语增删/替换：增加修饰性词语、连接词，删掉不重要但重复率高的词语。同义词替换，如果词汇量贫瘠，可以借助词典。专有名词尝试中英文替换。③颠倒语序：主动句改成被动句，把字句改成被字句。
●大家要大胆地编。重复率最高的地方，肯定是第一章的文献综述。大胆地删，在字数充足的情况下，对于重复的句子，可有可无的内容，大胆地删去。大胆地加，重复的句子之间加文字内容(俗称注水)，这样查重软件就难以识别是否为重复内容。
无论你使用什么查重平台、软件（正规途径）得到了这个结果，在考虑误差上下弹性变量的情况下，的查重率已经可以通过大部分审核了。
但为了提高查重的准确性，你可以选择在多个测试系统或者某个较权威的平台多次查重来巩固查重结果，各个平台还会有相应等级的查重选项，比如说词条、内容、不同的数据库（中英文），同时也要注意输入文档时的格式，基本上告别“学术不端”了。
多网站查重一直是论文精细降重的必要工序和保障，而且不同平台的查重侧重点不一样，可以帮助撰稿人全方位的审查文章。特别像作者对的查重率无法确定时，可以继续选择查重，也只有查重数据准确了，才能增加降重的效能。
在选择了特定网站查重之后，建议再利用常用的查重网站PaperPass、Paperyy、PaperAsk、万方、维普和比较权威的知网系统（高校常用的查重系统）。在选择辅助性查重系统时也要考虑资金投入和文章重复率高低的问题。如果重复率很高，建议先用Paper系列检测出大概重复区块，适当改善之后再用知网最后敲定。当然像题主这样的查重率比较低的情况，建议利用Paper系列的特定词句标红显示就可以了。
其实无论是对于查重率高或低的论文（0%除外），一般都是遵循以上的查重途径和工具。个人可以根据查重的不同阶段选择相匹配的网站和功能。当然，像题主这样的查重率可以再利用以上方法再巩固一下，不过基本上是没什么问题的。
没有可能，放心好了，现在的很多学术论文数据都造假，更何况你一个小小的毕业论文。从数据分析的角度来说，一般也不太能看出来有问题，除非要你提供原始数据。另外，从毕业论文答辩的角度来说，你的论文里面得出什么样的结论 导师都不会关心的，答辩过程会重点关注你的论文研究思路 以及采用的研究方法，至于结论是什么样的，都没关系。因为导师也清楚，不管得出什么样的结论来，其实都不一定是正确的，因为就算你与参考的前人的结论不一致，也不能证明你的就是错的，前人的就是正确的。记得我当初答辩时，导师就很质疑我的结论为什么跟前人的结论一样。那才是值得怀疑的，因为数据获取的背景人群都是不同的，不可能完全获得跟前人一致的结论。
这属于学术造假，最好不要自己编。
首先说句难听的，本科生的论文是没有多大学术价值的，虽然不能一竿子打死，但是绝大多数的本科生连论文都是写不好的。可能会有凤毛麟角的本科生论文写的很优秀，但即使这样绝对代表不了广大的基本盘。
本科生的论文写作的时候是没有什么难度的，而且不管是拿来毕业，或者是拿到发到普刊上，都不会有太高的要求。特别是毕业论文，因为本科生的水平大家都知道，怎么可能说拿硕士论文或者是博士论文的要求来单位本科生吗？这是不可能的。
可就是这样，本科生的论文还是有很多写不好的，甚至想自己来瞎编乱造数据的。淘淘论文是绝对不建议这样做的，这对学术实在是太不严谨了，而且对于自己也太不负责任了，如果实在是觉得有困难可以换一个题目，不做这个方向的都行，但是既然选择了就要踏踏实实的去做实验，找找资料，看文献，把该补充的数据都补充齐全了，如果有问题随时咨询老师。
如果对数据自己瞎编乱造，到时候答辩能不能通过都会有问题的，你瞎编乱造就以为老师看不出来吗？而且这个是对自己非常不负责任的行为，如果答辩通不过就会影响到毕业，会影响到后续考研找工作等等一系列的问题。
现在竞争都这么激烈了，内卷成什么样子了？别说是一个本科生就是硕士生，博士生也竞争很难的，伟大的博士，都去街道了，本科生要是在论文答辩通不过拿不到毕业证，接下来能干什么呢？简直是寸步难行，除非是家里有矿可以直接回家继承家业。
同样对于本科生的毕业论文也不建议抄袭剽窃。有的作者觉得自己很聪明，可以把中文翻译成英文或者把英文翻译成中文，以为这样就可以通过查重了，其实这是不可能的，知网是有中英文互译的检测系统的。这么做根本通不过查重，有的作者更鸡贼，他把别人的论文用自己的话说了一遍，以为这样就没问题了，实际上这一样属于抄袭，剽窃只要达到了一定的程度就算如果是比例小一点还好说比例大的这个就麻烦了。
本科毕业论文其实是很重要的，大家千万不要掉以轻心，还是踏踏实实老老实实的自己写比较好，不要想着用一些投机取巧的手段，万一到时候东窗事发对自己来说实在是太麻烦了，可谓得不偿失。
采用spss软件，单因素分组对照计算。
t值和P值都用来判断统计上是否显著的指标。在p值就是拒绝原假设的最小alpha值，把统计量写出来，带进去算出来之后，根据统计量的分布来算p值。P值是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。由R·A·Fisher首先提出。Fisher的具体做法
假定某一参数的取值，选择一个检验统计量，在该统计量的分布在假定的参数取值为真时应该是完全已知的从研究总体中抽取一个随机样本计算检验统计量的值计算概率值或者说观测的显著水平即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。
数据最好不要自己编。调查分析类的软件（如果你是学营销或管理学的）可以用SPSS。一般人编的数据数据分析结果都能看出端倪来的，老师都不是傻子，到时候一旦被看出来你就会很难过了。一般情况下，答辩过程中老师不会让你演示数据的分析过程，但一般会问到你你的论文理论基础，数据是如何收集的（即通过哪些途径收集的），你的问卷设计，数据分析结果，得出结论等。还是哪句话，一般不是长期做学术或很有经验的人，编的数据结果都很明显的能看出端倪的。建议不要数据造假，学术上是最鄙视也不能接受的。这是比你论文框架错了还要严重的错误。
大学毕业论文的数据，因为实验条件、实验周期、调研局限、数据不理想等条件下完全是可以编的但这种编也不是胡编乱造，起码要符合三个基本取向其一，就是与主流文献的研究成果数据和结果保持一致；其二，数据具有较好的重复性和统计学价值其三，数据符合你论文的设计及预期的结论在这样的条件下，完全可以编造数据，但还需要注意的是，编数据分为初阶、进阶和高阶初阶就是没有原始数据，直接编造的是论文图表所需的数据呈现，这种经不起推敲，但如果导师没有高标准要求的话，完全可以过进阶是在图表数据的基础上编造了原始数据，也就是说，论文的图表数据是初阶的，只不过为了应付导师的检查，随机编纂了一些原始数据但如果原始数据需要经过专门的软件，比如SPSS、STATA、AMOS等软件运行的话肯定得不出图表的结论数据。高阶的话就是水平比较高的编造了，这种是先编好原始数据然后在原始数据的基础上，按照文章的脉络和呈现方法用专门的软件运行一遍，并不断调整，得到理想的结果这种编造的数据，是审查都审查不出来的，也是最高等级的编造其实目前学术界的专家编造数据，都不会用前面两种方法而是用后面的高阶方法，别人如果质疑的话，只会说无法重复你的实验和结果但这种程度，对硕博研究生来说都不会有影响，对本科生更无影响。
毕业论文的撰写及答辩考核是顺利毕业的重要环节之一，也是衡量毕业生是否达到要求重要依据之一。但是，由于许多应考者缺少系统的课堂授课和平时训练，往往对毕业论文的独立写作感到压力很大，心中无数，难以下笔。因此，就毕业论文的撰写进行必要指导，具有重要的意义。（一）、毕业论文是应考者的总结性独立作业，目的在于总结学习专业的成果，培养综合运用所学知识解决实际问题的能力。从文体而言，它也是对某一专业领域的现实问题或理论问题进行科学研究探索的具有一定意义的论说文。完成毕业论文的撰写可以分两个步骤，即选择课题和研究课题。（二）、选好课题后，接下来的工作就是研究课题，研究课题一般程序是：搜集资料、研究资料，明确论点和选定材料，最后是执笔撰写、修改定稿。第一、研究课题的基础工作——搜集资料。考生可以从查阅图书馆、资料室的资料，做实地调查研究、实验与观察等三个方面来搜集资料。搜集资料越具体、细致越好，最好把想要搜集资料的文献目录、详细计划都列出来。首先，查阅资料时要熟悉、掌握图书分类法，要善于利用书目、索引，要熟练地使用其他工具书，如年鉴、文摘、表册、数字等。其次，做实地调查研究，调查研究能获得最真实可靠、最丰富的第一手资料，调查研究时要做到目的明确、对象明确、内容明确。调查的方法有：普遍调查、重点调查、典型调查、抽样调查。调查的方式有：开会、访问、问卷。最后，关于实验与观察。实验与观察是搜集科学资料数据、获得感性知识的基本途径，是形成、产生、发展和检验科学理论的实践基础，本方法在理工科、医类等专业研究中较为常用，运用本方法时要认真全面记录。第二、研究课题的重点工作——研究资料。考生要对所搜集到手的资料进行全面浏览，并对不同资料采用不同的阅读方法，如阅读、选读、研读。第三、研究课题的核心工作――明确论点和选定材料。在研究资料的基础上，考生提出自己的观点和见解，根据选题，确立基本论点和分论点。提出自己的观点要突出新创见，创新是灵魂，不能只是重复前人或人云亦云。同时，还要防止贪大求全的倾向，生怕不完整，大段地复述已有的知识，那就体现不出自己研究的特色和成果了。第四、研究课题的关键工作――执笔撰写。下笔时要对以下两个方面加以注意：拟定提纲和基本格式。第五、研究课题的保障工作――修改定稿。通过这一环节，可以看出写作意图是否表达清楚，基本论点和分论点是否准确、明确，材料用得是否恰当、有说服力，材料的安排与论证是否有逻辑效果，大小段落的结构是否完整、衔接自然，句子词语是否正确妥当，文章是否合乎规范。
论文中p值也叫检验p值是否定原假设的强度。
p值统计学意义是结果真实程度(能够代表总体)的一种估计方法,专业上P 值为结果可信程度的一个递减指标。
P 值越大,我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。 如果P值很小,说明原假设情况的发生的概率很小,而如果出现了,根据小概率原理,我们就有理由拒绝原假设,P值越小,我们拒绝原假设的理由越充分。 总之,P值越小,表明结果越显著。
p值是指在一个概率模型中，统计摘要（如两组样本均值差）与实际观测数据相同，或甚至更大这一事件发生的概率。换言之，是检验假设零假设成立或表现更严重的可能性。p值若与选定显著性水平（或）相比更小，则零假设会被否定而不可接受。
然而这并不直接表明原假设正确。p值是一个服从正态分布的随机变量，在实际使用中因样本等各种因素存在不确定性。产生的结果可能会带来争议。
论文表格中统计量值和p值不要写出来。
t值和P值都用来判断统计上是否显著的指标。p值就是拒绝原假设的最小alpha值，把统计量写出来，带进去算出来之后，根据统计量的分布来算p值。P值是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。由R·A·Fisher首先提出。
Fisher的具体做法是：
假定某一参数的取值。选择一个检验统计量(例如z 统计量或Z 统计量) ，该统计量的分布在假定的参数取值为真时应该是完全已知的。从研究总体中抽取一个随机样本计算检验统计量的值计算概率P值或者说观测的显著水平，即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。
毕业论文的撰写进行必要指导具有重要的意义：
（一）、毕业论文是应考者的总结性独立作业，目的在于总结学习专业的成果，培养综合运用所学知识解决实际问题的能力。从文体而言，它也是对某一专业领域的现实问题或理论问题进行科学研究探索的具有一定意义的论说文。完成毕业论文的撰写可以分两个步骤，即选择课题和研究课题。
（二）、选好课题后，接下来的工作就是研究课题，研究课题一般程序是：搜集资料、研究资料，明确论点和选定材料，最后是执笔撰写、修改定稿。
以上内容参考：百度百科--论文
p就是显著性=sigF的值是回归方程的显著性检验，表示的是模型中被解释变量与所有解释变量之间的线性关系在总体上是否显著做出推断。若F>Fa(k-1,n-k),则拒绝原假设，即认为列入模型的各个解释变量联合起来对被解释变量有显著影响，反之，则无显著影响。
t是T检验的值 p是概率，p＜或p＜0、001最好，可以拒绝原假设，表明差异显著
采用spss软件，单因素分组对照计算。
t值和P值都用来判断统计上是否显著的指标。在p值就是拒绝原假设的最小alpha值，把统计量写出来，带进去算出来之后，根据统计量的分布来算p值。P值是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。由R·A·Fisher首先提出。Fisher的具体做法
假定某一参数的取值，选择一个检验统计量，在该统计量的分布在假定的参数取值为真时应该是完全已知的从研究总体中抽取一个随机样本计算检验统计量的值计算概率值或者说观测的显著水平即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。
楼下正解，你可以看看，要是还不懂的话，我建议你去找一些统计学类的文献看看，比如统计学与应用这本
看你是什么方法了，有的可以改
会。因为只是修改P值和t值，SPSS的数据就很明显要显示出来。t值其实就相当于确定的了一个置信区间，在这个区间内，接受原假设，而p值表示的是置信区间之外的那部分；在确定t值时置信区间已经确定了，p值也就确定了，p值作为一个标准，可以选的是显著性水平，只要比较一下就可以。两者在本质上时一样的。
因为只是修改P值和系数，太明显了就很容易就看出来。 p值篡改是指误用和滥用分析技术,导致被假阳性欺骗。 如果你有很多东西需要测试，比如一些不同的药物，可能会帮助人们从病毒中恢复。不要收集所有数据，而且只计算一次看起来不同的p值。相反，计算每个测试的p值，并使用错误发现率(false discovery rate FDR)调整所有这些p值。这将有助于减少报告假阳性的可能性。你做一个测试，得到p值接近,但是小于。不要添加更多的数据到原有数据上。相反，使用拥有的数据进行功效分析，以确定正确的样本量。这将有助于防止你被假阳性欺骗。