论文结果不显著怎么表达 毕业论文的实验数据结果不显著，该怎么写论文

下面是好好范文网小编收集整理的论文结果不显著怎么表达 毕业论文的实验数据结果不显著，该怎么写论文，仅供参考，欢迎大家阅读！

首先看F检验值如果整体线性检验不显着，说明模型没有设置成线性的，需要其他模型形式，比如非线性回归模型。如果替代模型的回归系数 t 检验（显着）拒绝原假设，则表明模型规范存在问题。其次，需要对残差进行异方差检验和自相关检验。如果存在异方差或自相关，用广义OLS方法剔除，然后做参数显着性检验。异方差和自回归的存在会使t检验失效。如果结果仍然不显着，那么我们必须考虑是否从模型中删除变量。如果去掉这个变量后的回归结果导致三个信息准则的值都下降，说明去掉这个变量是一个明智的选择。

最后总结一下p值不显着的原因，主要有以下几点：

第一点、.故事“虚幻”

所谓“虚幻”的故事，就是故事本身的假设与现实不符。这种错误几乎没有补救办法，但也只是“差不多”而已，详见最终解决方案总结。

第二点、数据“假”

比如我们使用的数据库不可靠、不真实，在整理数据时存在操作失误、计算错误等，可能会导致指标出现一系列问题。比如论文的变量特别难选择，就需要仔细检查数据的计算过程。如果在review的过程中能发现计算错误，那肯定比重新做数据要“简单粗暴”。一般来说，如果我们的数据没有得到预期的结果，那么这个原因首当其冲。

第三点、模型“误用”

在我们论文的数据分析过程中，很多问题都可以归咎于模型的误用所导致的，例如在计量经济学模型（最小二乘法OLS、固定效应模型、随机效应模型等）、回归方程的设置（控制变量的选择，高阶函数形式的考虑）等。重要的是我们要学会运用计量经济学知识来选择计量模型，运用经济学理论来设置回归方程。从大众的经验来看，不管是面板数据还是横截面数据，OLS回归都有很好的意义。然而，面板数据不应使用 OLS 进行回归，但应从固定效应、随机效应和混合 OLS 模型中选择一个模型。根据你的经验，有这样一个顺序：固定效应模型显着性最低，稳健性最高，有效性居中；随机效应模型具有中等显着性、稳健性，有时有效性最高；混合 OLS 具有最高的显着性，最不稳健且最不有效。根据这个排名，在现实生活中，学术研究往往追求稳健性，不做任何测试直接采用固定效应模型也是科学的。在实践中，当固定效应模型不显着时，很多人会选择混合OLS模型进行成功发表。尽管随机效应模型可能具有最好的有效性，但它们通常不被使用。

第四点、多重共线性

如果你的解释变量是某个变量的n次方，那你就一定需要注意了。当然了如果你的解释变量中有两个变量同时衡量一个指标的情况，你也可以试着看一下是不是这个原因导致的。如果你的结果显着，自然而然的不需要检验和处理多重共线性，因为即使你处理了多重共线性这个问题，显着性也只能更好，不会让结果变的更差。在大多情况下，只有当结果不显着时才会去考虑多重共线性。因为多重共线性有方差膨胀的作用在里面，它会导致回归系数明显下降，这自然不是你想要的效果。

第五点、内生性

（Endogeneity）的概念与内生变量（endogenous variable）的概念密切相关。内生变量概念的兴起，离不开社会科学的建模和系统化。比如，曼昆在他的经济学原理（或者宏观经济学？）开头就举了一个蛋糕的例子：在蛋糕的生产中，有输入（原材料、劳动力、工厂）和输出（蛋糕），我们感兴趣在中间生产流水线中。那么研究者要做的就是通过一个模型来描述上述生产过程（比如一个生产函数），使得给定模型的输入（各种投入的消耗）可以计算出相应的输出（蛋糕生产）。在得到准确的模型后，我们可以进一步预测和改进汉堡包的生产，以达到认识和改造世界的目的。在此示例中，输入是蛋糕制造模型中的外生变量，输出是内生变量。换句话说，外生变量是模型中的“原因”，而内生变量是模型中的“结果”。内生性的根本原因是：互因、同时性、遗漏变量和测量误差。一般来说，内生性主要由以下原因造成