有如下方法建议你考虑：1 完全打乱前言法 这种方法用于当结果出现正好相反的结论而且还具有显著性水平的时候，说明我们的前言中的阐述理论基础出现了问题。所以最好寻找新的理论解读，完全转换思路撰写前言以及研究假设。有些教授提倡以结果为核心写文章就是这种思路，我们在做实验之前是一个开放性的假设，出现了结果，再根据结果来组织文献和前言部分而不是事先写好前言。2 寻找亮点法 这个方法感觉比较符合你提问的情况，一般来说很少出现研究结果与预期完全符合的。总会有部分甚至大部分不符合。这样我们需要好好地强调1）我们的结果有哪些是与预期符合的 2）不符合的部分是什么原因，在讨论中做出非常详细的阐述，比如样本量原因、取样偏差、问卷效度等等，可以有非常细的细节 3）尽管如此我们的研究是有价值和创新的，对研究的价值和创新性做充分地讨论。这样一来，虽然结果并不是十分符合预期，但是整个研究仍然是有意义的，而且在文章中充分得到体现也是可以的。 以上是我个人的论文撰写经验，纯人工手打，希望能够帮助到你。你的立意有问题，很有可能做出来的结果与你预期的结果有偏差。1、高考成绩与录取学校层次越相符，学校认同感越高——这个问题不大，不太会有很大的差距。2、学校认同感越高，在校成绩或表现越优秀——这个有问题，因为成绩优秀与认同感没有必然联系。本回答被网友采纳首先你的论文立题存在一些问题，你要照顾到实际情况。其次你的问卷也可能存在一些问题。在操作上你的态度，全程是否跟进，确保每一份问卷的真实认真。自编问卷本来就缺乏权威性，你可以检查一下你的问卷是否存在纰漏等。类似的论文你可以查查，应该是有的……希望对你有帮助
指论文调查中的问卷调查样本，抽样样本量的大小对调查的准确度有很大的影响。一定程度上“样本量越多越好”，但毕竟是抽样调查（SamplingSurvey），就是以具有代表性的样本来代表整体。如果真的可以做普查（Census）当然就不需要抽样调查了。笼统的讲，抽样调查的抽样误差，样本量大，误差会降低。但究竟该选择多大的样本量和怎样的抽样误差，才能满足调查的实际需求，并有效的控制成本。科学的说，直观的说，采用不同数量的抽样样本，可达到不同的研究效果。51调查网，让调查更简单方便!
1、论文题目：要求准确、简练、醒目、新颖。 2、目录：目录是论文中主要段落的简表。（短篇论文不必列目录） 3、提要：是文章主要内容的摘录，要求短、精、完整。字数少可几十字，多不超过三百字为宜。 4、关键词或主题词：关键词是从论文的题名、提要和正文中选取出来的，是对表述论文的中心内容有实质意义的词汇。关键词是用作机系统标引论文内容特征的词语，便于信息系统汇集，以供读者检索。 每篇论文一般选取3-8个词汇作为关键词，另起一行，排在“提要”的左下方。 主题词是经过规范化的词，在确定主题词时，要对论文进行主题，依照标引和组配规则转换成主题词表中的规范词语。 5、论文正文： （1）引言：引言又称前言、序言和导言，用在论文的开头。 引言一般要概括地写出作者意图，说明选题的目的和意义, 并指出论文写作的范围。引言要短小精悍、紧扣主题。 〈2）论文正文：正文是论文的主体，正文应包括论点、论据、 论证过程和结论。主体部分包括以下内容： a.提出-论点； b.分析问题-论据和论证； c.解决问题-论证与步骤； d.结论。 6、一篇论文的参考文献是将论文在和写作中可参考或引证的主要文献资料，列于论文的末尾。参考文献应另起一页，标注方式按《GB7714-87文后参考文献著录规则》进行。 中文：标题--作者--出版物信息（版地、版者、版期）：作者--标题--出版物信息 所列参考文献的要求是： （1）所列参考文献应是正式出版物，以便读者考证。 （2）所列举的参考文献要标明序号、著作或文章的标题、作者、出版物信息。本回答被网友采纳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。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本回答被网友采纳
为什么要写研究局限性论文写作中添加有关研究局限性的描写有助于增加文章的可信度。如果审稿人发现某一局限，但是作者未事先说明，审稿人可能会对论文产生负面印象。如果在未来的研究背景下讨论论文的每个局限性，即提出在未来研究中提高研究有效性的方法，你的文章更有可能被引用，因为它将为其他研究人员的研究问题提供有价值的信息。如何识别研究局限性你应该从两个角度思考你的研究 -内部有效性和外部有效性。内部有效性是指研究推断的强度，即你是否怀疑对所观察到的结果是由测试变量引起的？其他因素是否会影响结果？如果是，你的研究的内部有效性可能有局限性。外部有效性是指结果可以推广到更普遍的程度。如果要在不同的环境中利用相同机制重新进行研究，例如，不同的研究对象或不同的环境中，这类研究会得到类似的结果吗？如果没有，您的研究的外部有效性可能有局限性。不应该担心局限性提醒一下，所有研究都以某种方式存在疑问。在这篇文章中......我们列出了科学、技术、教育和医学领域（STEM）研究中最常见的局限性，并提供了真实的例子。但请注意，这不是一份全面的清单。此外，请注意这些限制并不相互排斥，许多可以重叠。研究局限性的示例Selection bias选择偏差当用于分析的个体、群组或数据的选择不是随机的，会发生选择偏差。例如，假设一项研究回顾性地对比了不同外科手术的死亡风险[例1]。其中一项外科手术较其他的更新。当测试了新的外科手术后，外科医生当然选择最理想的手术。因此，研究结果会受到外科医生选择手术类型这个个体的影响，即只为其中的一个治疗组选择最理想的手术治疗。Confounding干扰因子干扰因子是另一个例子，有时会被隐藏，是一个影响因变量的变量。如果一个干扰因子没有被考虑到，任何测试变量和结果的关系都不会准确。例如，设想一项研究检验了眼球追踪测定认识性能[例2]。众所周知，认识性能随着年龄增加会减弱。因此，如果年龄不作为一个干扰因子，效应量会被低估或高估。另一个例子，假设在研究中检验了骨关节炎和心血管事件的关联[例3]。心血管事件与很多因素有关，包括吸烟状况，腹部肥胖，心血管家族史等，这些都会干扰结果。Survivorship bias幸存者偏差如果仅仅对一些经过相同选拔流程的和由于缺乏可见性没有被忽视的学科偏差作出推论，就会发生幸存者偏差。例如，假设一项研究检验了骑车和性功能障碍之间的关联[例4]。一个人遭受性功能障碍可能是因为骑车会影响活跃。因此，如果该项研究只研究了经常骑车的人，这个人会被忽视，并构成该研究结果的偏差。Study scope limitations研究范围局限不可靠或不可用的数据能限制研究范围，甚至整个结果。例如，假设一项研究检验了不同世界地区内的热产生[例5]。研究人员没有关于家庭使用木材的数据。在一些地区，比如，发展中国家，家庭木材的使用产生了打了的热。因此，这些地区的热产生会被低估。Sample size limitations样本大小的局限如果某个特殊的结果是真实发现以及类型II的错误在一些情况下可能发生，比如，虚无假设是错误的，研究小组间的差异未被报道，则样本大小可能很难确定。例如，设想一项研究检验了血栓溶解在治疗急性心肌梗塞的功效。血栓溶解对急性心肌梗塞的的影响很重要但是很小。因此，样本量相对较小的研究可能无法揭示这一较小的影响，还可能会导致类型II的误差 [6]。Experimenter bias实验者偏见当进行实验的个体对不同试验组的参与者以不同的无意识表现不经意地影响实验结果时，就是实验者偏见。例如，设想一项研究测试了游戏玩家是否知道其与一个人或人工智能对战的能力 [例7]。服务商在参与者的背后观察着游戏对战。如果服务商意识到人工智能的本性，他们可能会无意地影响参与者。Referral bias转诊偏倚转诊偏倚是指病人从一个诊所转至另一个的现象，经常是专业单位，倾向于比非就诊的病人更可靠。在包含许多转诊的研究中，风险因素可能被高估。例如，设想一项研究在某专业转送中心评估了神经结节病的临床表现[例8]。慢性无菌性脑膜炎是最常被报道的净胜异常——37%的病例。和其他研究相比，这个频率是相对较高的。该转送中心以慢性脑膜炎专业为人熟知。因此，这种病例可能会被转送到该中心，构成转诊偏倚。Self-reported data自述数据自述数据受多种偏差影响，比如，选择性记忆，夸张等，并且不能各自证实。例如，设想一项研究在确定智能手机用户压力时，检验了输入压力的有效性 [例9]。要求参与者回想压力，并在一定范围内排序。随后检测输入压力。无论什么原因，参与者可能高估或低估压力水平，从而影响了研究结果。Limitations of exploratory studies探索性研究的局详性如果对于某个存在极少或没有先前研究的主题，研究人员可能需要建立一个与研究问题和研究设计相关的基准。由于不存在基准作对比，结果的有效性受争议。例如，设想一项探索性研究测试了电视用户使用新的远程控制器 [例10]。不是按钮，而是远程挤压或吸。直到结果可重复，否则不认为研究发现是决定性的。Methodological limitations方法局限性这是指对研究中方法论的相关局限性。例如，设想某研究测试了端粒长度用作先天性角化不良的诊断参数[例11]。该研究采用了来自两个医院的先天性角化不良病人的数据。每个医院采用自己的方法提取DNA，其中一家提取的是较短的DNA，这个局限性会影响研究结果。另一个例子，设想某研究测试了一种新颖的技术监测结构损伤的能力，而结构损伤是很难被监测的（例如，下桥）[例12]。该研究认为新技术是有前景的，然而，其覆盖范围只有30 × 30 m，意味着该新技术只适用于短距离范围。Systematic literature reviews系统的文献综述在一篇系统的文献综述中，研究人员使用定义明确的搜索技术搜索相关研究问题的文献。然而，取决于搜索标准，无法保证可以搜索到所有相关的文献。通常，灰色文献和技术报告不包括在内，系统的文献综述只包括一种语言，典型的是英语呈现的研究。Hawthorne effect霍桑效应霍桑效应是指当参与者意识到自己被观察的时候表现不同的现象。例如，设想某研究测试了恐惧诉求信息促进在线安全行为的能力[例13]。给参与者展示网络攻击的盛行和影响的详细恐惧性诉求，随后在线调查他们的行为。在4周后，再次考察参与者，看恐惧诉求的影响是否在持续，以及是否有采取行动的意向。参与者可能假装声称已经改进自己的行为试图减少因没有改变行为的羞耻，或试图使研究者满意。Regression toward the mean趋中回归这是指某变量首次测试是极端的（即远不止平均水平），而第二次测试不那么极端的现象。典型地是伴随着不对称采样发生，例如，研究只采用最差或最好的。但是，它仍会偶然发生（见示例）。例如，设想某研究检验了血细胞比容（红细胞体积占血总体积的比例）对鸟类飞行特性的影响[例14]。在先期试验中，即，在操作血细胞比容前。鸟在试验组中被认为是具有相当好的飞行特性。即使没有操作，如果反复测试，由于趋中回归，这些鸟的飞行特性也会被减弱。因此，后期测试的结果，即，操作以后，可能受到该效应的影响，并且可能不是操作真实效果的反映。Repeated testing重复测试重复测试参与者可能导致偏差。先期测试可能以未曾料到的方式使参与者敏感，影响后期测试的结果。例如，设想某研究测试了以不同眼睛测试，诊断青光眼导致的焦虑[例15]。几乎所有的参与者都进行了其中的一项测试。这可能导致低估了焦虑会随着测试的进行而增加。Population validity总体效度总体效度指研究中的样本如何代表目标人群。例如，设想某研究中目标人群都是美国的因特网用户。仅仅使用推特用户就不具有代表性，因为美国的成年推特用户更年轻，并且相对于普通大众更可能是民主党 [16]。如何表现局限性通常，研究局限性以过去在讨论部分的结尾给出。以开始局限性作为开始。提出围绕这个问题，是否采取任何措施。描述任何证据可能会减小局限性的影响。讨论局限性如何影响研究结果。最后，如果可用，讨论能够采取的措施在未来的研究中克服局限性。参考文献：Stiles ZE, Behrman SW, Glazer ES, Deneve JL, Dong L, Wan JY, Dickson PV. Predictors and implications of unplanned conversion during minimally invasive hepatectomy: an analysis of the ACS-NSQIP database. HPB. 2017 Nov 1;19(11):957–65.Rosa PJ, Gamito P, Oliveira J, Morais D, Pavlovic M, Smyth O. Show me your eyes! The combined use of eye tracking and virtual reality applications for cognitive assessment. In Proceedings of the 3rd 2015 wor
1、在微观计量经济学中最常见的问题之一是样本选择问题。在一般的统计或计量经济学研究中,用于估计所研究系统的参数的数据依赖于从总体中抽取的样本。
2、如果所抽取的样本是随机的,即以类似“抽签”的方式获得的样本,根据这些样本数据所估计的各种参数能够准确反映总体的相关特性,理论上,就是所估计的参数是无偏的和一致的。而且随着抽取的样本越大,其对事件的总体特征分布的描述越是会准确。
3、但是,如果所抽取的样本不是随机的,那么无论其选择的样本容量有多大,则根据这些样本数据所估计的参数就不能准确反映所研究的总体性质的分布。但是,在不同的事件的研究中,大多数抽样都不是随机的,因为事件的总体总是会相当庞大,甚至是没有边界的。因此,多数的抽样只能是在研究者所选择的界定范围和规则内进行,这就可能出现抽样选择的偏差，或是未把相关联的变量放入抽样,或是把不相干的变量放入抽样中。
在微观计量经济学中最常见的问题之一是样本选择问题。在一般的统计或计量经济学研究中,用于估计所研究系统的参数的数据依赖于从总体中抽取的样本。如果所抽取的样本是随机的,即以类似“抽签”的方式获得的样本,根据这些样本数据所估计的各种参数能够准确反映总体的相关特性,理论上,就是所估计的参数是无偏的和一致的。而且随着抽取的样本越大,其对事件的总体特征分布的描述越是会准确。 但是,如果所抽取的样本不是随机的,那么无论其选择的样本容量有多大,则根据这些样本数据所估计的参数就不能准确反映所研究的总体性质的分布。但是,在不同的事件的研究中,大多数抽样都不是随机的,因为事件的总体总是会相当庞大,甚至是没有边界的。因此,多数的抽样只能是在研究者所选择的界定范围和规则内进行,这就可能出现抽样选择的偏差，或是未把相关联的变量放入抽样,或是把不相干的变量放入抽样中。 例如,研究一个地区,劳动妇女的工资状况。这个地区的所有适龄妇女(包括就业与非就业妇女)构成研究的总体。在研究中,一般不可能获得所有这些妇女的资料,而只能得到一部分就业妇女的相关资料。这部分提供资料的被调查妇女就构成研究的样本。 现在,研究的目的是通过样本中被调查妇女提供的劳动数据分析所有适龄妇女(总体)如果就业时她们工资水平的一些决定因素。所调查的妇女可以是随机地从总体中抽取的,但只有就业妇女能够提供有关她们工资水平的资料,所以只能研究就业妇女的样本数据。可以把就业与不就业看做个人的一种决策,妇女的这个决策如果不依赖于所要研究的劳动工资的决定因素,那么,即使所研究的只是已就业妇女的资料,我们也可以把所抽取的样本看做随机的。因为,理论上说,决定妇女就业不就业的因素是外生的,它不影响所要研究的问题。 但是,妇女选择就业与不就业往往不是外生的,而部分的是由所研究的问题决定的。例如,工资水平的高低,工作环境的好坏显然会影响妇女的就业选择。这样,以就业妇女作为研究样本就不再是随机的,而是部分地由所研究问题的某些因素所决定,也就是说,所研究的某些问题影响了样本的选取。如果按照传统的方法,通过这种样本所估计的参数就不能很好反映总体的性质,它们会有所偏差。另一方面,如果决定妇女就业与不就业选择的因素或信息可以通过调查获得的话,在传统的分析方法中增加相关的变量就可以解决样本的选择偏差问题。当这些信息无法获得时传统方法就难以处理。赫克曼所发明的方法可以简单和方便地处理这个问题。由于导致统计推断产生偏差的样本的非随机性是由所研究的对象(在这里是妇女)的个人决策造成的,这个问题也叫自选择问题。样本选择偏差还可能来自研究人员的某些决定或数据处理过程。 问题解决 “赫克曼两阶段模型”或赫氏法就是解决这种选择的偏差和自选择的问题。 可以说,在社会科学的各种研究中,选择偏差与自选择问题是最平常的,也是不可避免的。因为在大多数社会科学的经验研究中,所获得的样本数据很难保证它们的随机性。我们可以以赫克曼最早研究的劳动妇女工资的决定为例对此给以说明。 19世纪70年代中期赫克曼在对美国劳动供给进行研究的过程中遇到了选择性样本问题,这些问题促使他提出了所谓赫克曼修正法(或两阶段法，赫氏法，Heckitmethod)。这个方法简单适用,不仅在微观计量经济学,在其他社会科学的经验研究中得到了广泛的应用。 在经济学领域,赫克曼方法著名的应用包括李氏1978年所做关于加入工会对工人相对工资影响的研究。这个问题涉及自我选择,因为工人加不加入工会是一个选择性的决定,而不是任意的。决定工人加不加入工会的因素很多,其中有些是不可观察到的。另一项著名应用是魏里斯和罗森进行的关于教育如何提高工资收入的研究,接不接受教育同样是一个自我选择问题。能加入。标准差评价的是一样本的分散程度，是一个比较客观的指标。理论上说，标准误评价的是抽样可靠性，但其实能在多大程度上做到这一点，统计学界至今缺乏完全统一的看法。在99％的论文中，读者需要知道的是：样本的分散程度，所以，除非你有理由特别描述抽样可靠性而非样本特征，就应该用标准差。
在使用数据进行定量研究时，首先要采集数据。当样本空间太大，无法对其整体进行研究时，就要进行抽样。从统计学角度讲，为了不使研究得出偏颇的结论，最好是随机抽样。但有时由于某种原因而无法做到随机抽样。例如，现在想研究一下工资收入水平与受教育程度之间的关系，用数据验证一下是否像很多人声称的工资收入真地随着教育程度的提高而提高。于是，就开始采样收集数据。但在这个过程中却产生一个问题，即对于有工作的人，可以采集到他的工资数字；但对于没有工作的人，就无法采集到他的工资数字。因此，这样的样本就不是一个完全的随即机本，而是被称之为选择性样本，而用这种选择性样本进行研究所产生的偏差叫做选择偏差。
如果是预答辩，可以再去请教答辩组其他导师，还有自己导师的意见。尽量在正式答辩前做好修改。如果时间紧迫，大改不太现实。让导师帮忙修改一下，看是论文框架，还是逻辑结构上面改动一下，再参加正式答辩。本回答由提问者推荐
不能论文数据不可以编造，除了初审复审外还有抽审，一旦发现论文不但过不了，甚至还要重写。误差是通常用于统计或科学数据，显示潜在的误差或相对于系列中每个数据标志的不确定程度。误差可以用标准差（平均偏差）或标准误差，一般通用的是这两个。
从而保证由样本推论总体，是指在进行抽样时，因而有相当大的可能使样本保持和总体有相同的结构，总体中每一个体是否被抽选的概率（即可能性）是完全均等的取样的基本原则是随机性原则，具有最大的可能使总体的某些特征在样本中得以表现，或者说，遵循随机性原则进行抽样，所谓随机性原则，可以对抽样误差的范围进行预算或控制。由于随机抽样使每个个体有同等机会被抽取，使研究者能够客观地评价研究结果的精确度和按照所要求的精确度决定样本的容量大小
偏差 样本 论文
