毕业论文数据不显著怎么办

检查与实验相关的过程

与实验有关的过程直接影响实验结果，相对来说具体形象，容易分析。分析的目的是确保你设计的实验是可以用来检验假设的，并且获得的实验结果是可靠的。

需要检查的与实验相关的过程包括三方面：实验设计的合理性、实验数据的可靠性、数据分析的合理性。

丢失重要数据

也许由于实验室出现问题或存储数据的硬盘出现技术问题等，你丢失了大量对项目至关重要的数据。

首先，你应该请教导师，询问解决方法。在你有时间、有资源的情况下，可以考虑重新进行数据收集或实地考察，再次获取这些数据。

如果无法重新收集数据，那么可以与导师讨论如何把数据丢失纳入项目，成为研究的一部分。例如，如果是由于你所使用的某种研究方法导致数据丢失（比如，一个实验出现重大错误，导致部分数据被破坏），那就会引发非常耐人寻味、同时也十分重要的讨论。你可以研究并讨论数据丢失和错误的研究方法所带来的影响，这样也能够向该领域贡献有价值的原创知识。

这个有两种办法，第一种是对数据进行深层分析，提升你研究的深度。第二是参考同类型的文献，看看别人都是怎么写的，包括别人的用词和整体结构的。当然，你如果有条件的话，可以让老师给你指导一下，更直接的找出问题进行修改，这样写作质量就高了。在有数据的情况下，论文一般写作质量都很高的，只是细节方面需要优化。

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。

其实论文除了数据的真实和全面之外，文字和语言的表达也是比较重要的，像你这种情况的话完全可以找相关的论文润色机构来帮忙修改一些表达方面的问题，像wordvice这方面做得就还挺好的。