数据丢失了就赶紧恢复或者重新找数据吧~实在不知道的话~多看看参考文献看看能不能找到其它的数据，如汉斯出版社上的文献
论文写作中数据实际涉及很多方面的，大部分是涉及到企业内部管理制度、组织结构、年度规划、年度报告、财务报表等等。根据写作经验，通过知网找资料只能找到一些通用性的介绍，如公司简介、相关理论等，即使找到数据，也不是最新的。所以还需要通过其他渠道搜集数据。实际上，能否找到足够的数据与选择的公司有很大的关系。如果是对数据要求非常高，建议选择上市公司作为研究对象，上市公司相关信息与财务数据全部是公开的，通过同花顺、东方财经网等都能够找到历年的财务数据以及相关资料。截至目前，上市公司数据已经更新到了2021年9月份，完全能够支持论文写作的。如果不是上市公司，那尽量选择自己熟悉的公司，确保自己能够获得一手资料来充实论文。当然，还有一些大型企业，虽不是上市公司，但是在百度上输入“公司名称年报”也是能够搜的部分数据的。
在表格中重新标注。检查数据的缺失类型。分为两种情况，一种是设计上可忽略的缺失数据，另外一种是设计上不可以忽略的缺失数据。明确设计上不可忽略的缺失数据两种类型，已知的情况：过程性因素导致的缺失。数据公开受限；没有完成问卷；被试选取失误（生病等）等。 未知的情况：直接由被试的原因导致的。比如被试拒绝回答某些题目。检查数据的缺失程度的统计比例，每个个案(case)在所有变量上的缺失比例；在每个变量上缺失数据的个案比例；在所有变量上都没有缺失的个案比例。检查数据的缺失程度的判定标准。缺失比例低于10%，使用任何一种缺失数据的处理方法，差异都不大，但不包括非随机缺失。对有过多缺失的个案或变量进行简单的处理—删除；缺失比例15%以上的变量可以考虑删除，但缺失比例更高的（20%~30%），通常会进行补救
在表格中重新标注。检查数据的缺失类型。分为两种情况，一种是设计上可忽略的缺失数据，另外一种是设计上不可以忽略的缺失数据。明确设计上不可忽略的缺失数据两种类型，已知的情况：过程性因素导致的缺失。数据公开受限；没有完成问卷；被试选取失误（生病等）等。 未知的情况：直接由被试的原因导致的。比如被试拒绝回答某些题目。检查数据的缺失程度的统计比例，每个个案(case)在所有变量上的缺失比例；在每个变量上缺失数据的个案比例；在所有变量上都没有缺失的个案比例。检查数据的缺失程度的判定标准。缺失比例低于10%，使用任何一种缺失数据的处理方法，差异都不大，但不包括非随机缺失。对有过多缺失的个案或变量进行简单的处理—删除；缺失比例15%以上的变量可以考虑删除，但缺失比例更高的（20%~30%），通常会进行补救
多参考同类型论文，对其结果进行研究，选择结果一致并且可以和你论文里结果一致的，根据百分比对你的数据进行微调即可
基本信息描述
统计描述一般指的是均数、标准差等
常用spss软件或jingrui
负责的导师在写作前一般都会问学生论文要写的问题 他主要是想知道学生对这个选题掌握得如何 他问你的问题 你如果支支吾吾回答不出来 导师觉得你写这个题目只是敷衍他 没有走心 肯定会让你换题目的 但是如果你能说出自己的道理 尤其是结合着时政热点去谈 他百分百会让你过自己之前评职称写论文是找的小柯毕业论文，还不错，价格也是同行里面比较便宜的那，你要发表的话，可以找他们问问其实现在说是写论文，基本也就是拼凑论文，所以在写之前一定要下载大量的资料，尤其特别是别人的毕业论文，确定几篇你主要抄袭的论文，每一篇指定一种文字用颜色，在拼凑的时候不用来源的资料用不同颜色的文字，这样以便你日后醒目地看出自己那篇文章抄多了，哪里抄少了，还可以混杂在一起拼凑。
在表格中重新标注。检查数据的缺失类型。分为两种情况，一种是设计上可忽略的缺失数据，另外一种是设计上不可以忽略的缺失数据。明确设计上不可忽略的缺失数据两种类型，已知的情况：过程性因素导致的缺失。数据公开受限；没有完成问卷；被试选取失误（生病等）等。 未知的情况：直接由被试的原因导致的。比如被试拒绝回答某些题目。检查数据的缺失程度的统计比例，每个个案(case)在所有变量上的缺失比例；在每个变量上缺失数据的个案比例；在所有变量上都没有缺失的个案比例。检查数据的缺失程度的判定标准。缺失比例低于10%，使用任何一种缺失数据的处理方法，差异都不大，但不包括非随机缺失。对有过多缺失的个案或变量进行简单的处理—删除；缺失比例15%以上的变量可以考虑删除，但缺失比例更高的（20%~30%），通常会进行补救