# Preface

前三章属于准备阶段，包括了解学位论文及其相关准备工作。4-8 章大致对应研究和学位论文写作的基本步骤（确定选题，选择方法，收集数据，分析数据，撰写论文）。学术规范贯穿于整个流程，第 9 章重点讲写作规范，附录 1 和 2 提供论文范文和答辩的注意事项

# Chapter 1 开宗明义・写作入门

# 1.1 什么是学位论文

# 1.1.1 学位论文的概念和种类

学位论文是用于申请相应学位的学术论文，主要内容是作者在所从事的研究中取得的创造性结果或新见解。（《科学技术报告、学位论文和学术论文的编写格式》）
并不是所有文体都符合学位论文的要求，学位论文应当是学术研究或学术活动的结晶。
本书观点主要针对社科领域的学位论文写作。
本科：学会如何找到一只死兔子：主要是学习已被验证的知识
硕士：导师提供打到兔子的地点，自己努力抓获一只活兔子
博士：导师只知道有打猎成功的可能，要独立摸索狩猎范围，用更加高超和精深的技巧追兔子
学位论文就相当于打猎的成果

# 1.1.2 学位论文的属性和特征

科学性：采用科学的方法和手段，探索客观现象，收集数据，进行量化分析或质化分析，以合乎逻辑的论证去分析、解释现象，或预测现象的未来发展趋势
创新性：研究选题、研究视角、研究方法和研究结果中的任何一个或多个方面，存在有意义的变革和变化，可以是颠覆性的也可以是局部性的 </br> 学术研究的创新有三种类型：补足空白、修改验证、推进发展。</br > 学位论文体现创新型的三种方法：旧瓶装新酒（用传统的方法或理论研究新的议题），新瓶装旧酒（用全新的方法或理论研究老议题），新瓶装新酒（新方法研究新议题，例如大数据和计算机的引入）
规范性：红线意识，不剽窃、不抄袭他人的研究成果，不伪造数据、报告等研究资料；写作规章，按照一定格式安排论文的组成部分，按照规定的著录格式标注参考文献、撰写注释，不能有错别字、错误数字、错误标点
时限性：开题、中期答辩、预答辩、最终答辩等时间节点，不能拖延

# 1.2 为什么要写学位论文

# 1.2.1 获得学位

# 1.2.2 提高自身的思维水平和能力

提升观察现象和解决问题的能力、信息搜集和处理能力、沟通合作能力、语言组织能力、提升写作水平

# 1.2.3 培养自身的性格和态度

不退缩放弃、迎难而上、反复求索

# 1.3 怎样写好学位论文

写学位论文就是研究的过程，确定选题、开展文献综述、选择研究方法、收集数据并分析数据、最后撰写论文
本书的结构：

第一章：了解学位论文：论文的概念特征和重要性
- 第二章：做好准备工作：选择导师，规划时间，评估自身能力
- 第三章：熟悉研究伦理
第四章：确定论文选题：如何确定选题，如何进行文献检索和综述
第五章：选择研究方法：研究方法的优缺点，如何选择
- 第六章：收集研究数据：科学抽样和精确测量
- 第七章：开展数据分析：数据分析方法及其注意事项
第九章：注重写作规范（算是附注的章节）
第八章：撰写学位论文

# Chapter 2 有备无患・准备工作

# 2.1 选择合适的导师

以准研究生与导师的联系为例。

# 2.1.1 导师的重要性

国内研究生的培养制度是导师负责制。导师会影响学生的思维方式。写论文的每一个环节都需要和导师保持密切的联系

# 2.1.2 如何判断导师是否合适自己

导师的研究方向是不是契合你的兴趣
导师的指导方式是不是符合你的性格：权威式、参与式、自由式
你希望导师给予你多大的指导和帮助：取决于上面的指导方式、导师工作的繁忙程度

# 2.1.3 了解和联系导师

搜寻关于导师的信息，帮助自己做出正确的选择

可以登录学院官网，查看导师的个人介绍；登录学术数据库检索导师的论文（按时间顺序），读一读他们近年发表的作品。这主要是上面一小节的 1。
可以向高年级同学咨询导师的情况和特点（如导师对学生的要求、与学生的相处方式、平时是否有足够的时间指导学生的研究等）。这主要是上面一小节的 2 和 3。
确定心仪导师之后就要开始发邮件了。咨询对方的招生名额以及选择学生的标准，介绍自己的基本情况和学习研究规划。邮件参考格式：

x 老师：
您好！我是 xx，本科就读于 xx 大学 xx 专业，目前已被 xx 学院录取为硕士新生。一直以来，我对 xxx 议题非常感兴趣，在本科阶段对这个方向开展了初步探索，希望今后在相关领域继续深造。
您是 xx 的专家，在这个领域有很深的造诣，不知道您今年是否还有招收硕士研究生的名额？我非常希望能够在研究生阶段师从您，在您的指导下开展学习和研究。
随心附上我的个人简历和对研究生阶段的科研设想，期待您的建议！
祝您身体健康，工作顺利！
<p align="right"> 学生：xx</p>
附件：个人简历，科研设想，已发表论文

越早越好！！建议受到录取通知并确定方向之后立即发邮件
导师喜欢什么样的学生：对科研有浓厚兴趣、善于思考并乐于提问、拥有良好品格、具有较强的英语能力

# 2.2 管理好你的时间

# 2.2.1 制定计划时间表

# 2.2.2 克服时间管理的敌人

明日复明日，万事成蹉跎，千万不要赶 ddl
学位论文应当是所有计划中优先级最高的，高于实习、海投、面试，没毕业证书一切都是空的
对自己要求别那么高，不然退缩不前，多和导师和同学表达自己的担忧

# 2.3 评估研究和写作能力

书第 23 页：自我评估量表
数据分析软件：SPSS、Stata
质性研究软件：NVivo、ATLAS.ti 等

# Chapter 3 做事做人・研究伦理

# 3.1 数据采集阶段

招募研究对象过程，遵循自愿参与原则
数据采集阶段，遵循洋酒对象无伤害原则
注意对研究对象进行匿名和保密工作
遵循知情同意原则，注意知情权和合理欺骗的关系。合理欺骗，例如隐瞒实验目的以排除被试者的主观心态干扰。隐瞒的内容对研究对象是否决定参与无关，实验结束后比武告知被试者的真是实验目的并征求谅解。对方不同意时应当允许他们收回实验数据
不得刻意选择符合期许的研究对象，不得刻意诱导研究对象做出符合期许的选择，不得根据当前显著性结果决定是否停止采集样本。判定统计显著性的指标主要是 p 值，p 值小于 0.05 说明研究结果具有显著性

# 3.2 数据分析阶段

不得修改原始数据和篡改分析结果
不得选择性汇报研究结果（迫使选择性汇报的原因：出版偏见（不显著的不让发表）、职业压力（不发表就不让进））
不符合预期的研究结果，反而可能有意想不到的收获

# 3.3 论文写作阶段

不得剽窃。关于剽窃的相关内容，书第 34-38 页

# Chapter 4 有的放矢・确定论文选题

# 4.1 什么是好的选题

# 4.1.1 好的选题是 “有用的”

“你这个论文的意义或价值是什么”
理论价值

验证某个理论在不同情景的适用性，为理论的发展做出贡献
根据不同研究情景添加变量或改造模型，为理解某种现象提供新的理论框架
找到理论的具体使用边界在哪里
实践价值，圈外人关心的是这个研究对事件的指导意义和参考价值

# 4.1.2 好的选题是 “可行的”

评估数据采集的难度。调查的样本总体、分层抽样方式、招募被试者经费、实验器材、难以接触到的人群数据、数据缺失严重等，都是需要考虑的隐形成本
评估研究所需要的时间
评估自身的科研能力。不要太高也不要太低

# 4.1.3 好选题的其他特征

相关性（与本专业的相关性）、趣味性（吸引更多人注意）

# 4.2 怎么找到好的选题

# 4.2.1 选题来源于对生活的观察和反思

学会将现实生活和理论结合起来进行思考。换一个角度观察一件 “理所当然” 的事，或者事实和理论的差异。让自己变得敏感

# 4.2.2 选题来源于与他人的交流

与导师交流，但记得是主动交流，导师没有义务主动联系你。即便研究的和导师不完全重合，也可以问一问，导师拥有更多学术经验和学术资源
与同学讨论，参与讨论发表意见
参加专家报告或学术会议，了解目前研究热点和研究进展情况

# 4.2.3 选题来源于对文献的阅读

阅读文献有两个过程
泛调研：寻找并明确研究议题
你打算研究什么？我想研究社会化阅读（x）我想从用户动机的角度研究社会化阅读（v）
泛调研主要用来掌握某研究议题的研究全貌，哪些角度已经被研究过，哪些角度还没人开展研究。强调检索结果的全面性。应当检索该议题下所有类型的文献，包括图书、期刊论文、会议论文、学位论文、研究报告等。这一步会得到相当多的文献，但是也只需要读标题和摘要了解基本结论就可以。
综合性全文检索平台：ProQuest，EBSCO，CNKI、万方

精调研：把研究议题转换为研究问题或研究假设
强调检索结果的准确性。刚才获得的文献数量太多，建议重点关注与具体研究议题相关的两类文献：重要文献（对某一理论或方法具有开创或重大突破意义的图书或文章，称为种子文献，通常高被引）和前沿文献（近三年发表的论文，看最新进展）。然后提出自己想研究的问题或者假设。
研究问题：以问句呈现，没有明确变量之间的关系
研究假设：以陈述呈现，需要明确变量之间的关系

文献检索基本知识

选择检索词，技巧：通配符，星号代表多个字符，问号代表单个字符
根据检索结果对检索策略进行调整，检索入口（搜标题还是搜全文）、变更检索词（上位检索词扩大检索范围）、限定条件（年限、排序方式、学科范畴）
精确检索：双引号，适用于搜索引擎

# Chapter 5 先利其器・选择研究方法

# 5.1 了解量化方法的优缺点

# 5.1.1 问卷法

优点：可以相对容易地从各类人群中获取大量有用的信息，并同时考察多个变量的基本情况或彼此之间的关系
缺点：不能对自变量进行直接操控，因此很难确定自变量和因变量之间的因果关系；受访者主观影响；
一般适用于某一特定时间的数据
中国大型问卷调查数据：中国综合社会调查 CGSS、中国家庭追踪调查 CFPS、中国劳动力动态调查 CLDS、中国教育追踪调查 CEPS

# 5.1.2 实验法

控制实验：
优点：可以操控自变量，保证自变量确实发生在因变量之前，可以有效控制研究中可能存在的干扰；被试数量少；可重复性高
缺点：受到人为因素的影响，多大程度上能推广到其他情景

自然实验（aka 现场实验）：将实验放在社会环境中进行
优点：具有较好的外在效度；被试行动不受实验环境的影响；大多数情况下不会意识到自己在参与实验
缺点：无法很好地控制变量

避免实验设计中的陷阱书第 66-68 页

# 5.1.3 内容分析法

指对信息的内容和形式进行系统的、客观的、量化的分析。是一种非介入性研究
耗时耗力少，安全，不必重做实验
传统意义的内容分析法局限性在于分析的内容局限于信息本身，仅使用内容分析法无法判断信息对接受者的影响，不能推断信息源或传播者的特征或意图
计算机辅助文本分析 CATA

# 5.2 了解质化方法的优缺点

# 5.2.1 访谈法

深度访谈（精确、非结构化、敏感、可以有访谈 er 和访谈 ee 的交流）、焦点小组（6-12 人参与的群体讨论，注意防止群体效应带来的问题）

# 5.2.2 观察法

常常和深度访谈搭配使用，参与观察需要深入到研究对象的日常工作和生活中去，在与他们的互动过程中收集资料。民族志、田野研究、网络社区。无焦点式观察 to 聚焦式观察

# 5.3 如何选择合适的研究方法

# 5.3.1 根据研究问题选择方法

研究问题的性质不同，采用的方法也存在差异。避免过度强调统计，准确解决和回答研究问题才是重点，而不是复杂的模型。

# 5.3.2 根据自身能力选择研究方法

不了解某种研究方法就不要用，没时间去整活。

# 5.3.3 注意传统方法的创新应用

混合研究；定性比较分析 QCA（超越质化和量化的界限，将案例是为条件的组态，用条件组态代替自变量，用组态思想代替净效应思想，用集合关系代替相关关系）

# 5.3.4 正确运用新兴方法

大数据
不需要再抽样，不干涉研究对象（在线实验除外）
样本量增大，常用统计量标准需要修改，例如显著性、误差等

# Chapter 6 可炊之米・收集研究数据

# 6.1 科学抽样

# 6.1.1 为什么要科学抽样

样本量太小也不行，太大不一定行

# 6.1.2 科学抽样的方式

基本方式：随机抽样，保证每个样本被抽中的概率是均等的。包括简单随机抽样（抽签）、系统抽样（等轴抽样，每个多少个抽样一次，注意不能碰上周期性）
如果要确保样本中包含特定子群体，则需要用其他抽样方法，例如分层抽样
最小样本量计算公式，书第 90、93 页

# 6.1.3 关于抽样的建议

无法展开大规模的随机抽样也没事，评审人不会简单地拿非随机抽样的理由否认一篇论文的价值

尽量确保样本与总体具有同质性，研究对象分布和样本分布一致
无法做到严格随机时，尽可能选择能够使样本具有更好代表性的抽样方法。配额抽样
确定最低样本量时，也需要考虑研究所采用的数据分析方法

# 6.2 精确测量

设计一份能够尽可能获取答卷者真实情况或真实想法的问卷。科学地设计问卷通常涉及概念化、操作化、选择测量尺度、设计问题并展开预测试
效度：指测量在多大程度上反映了我们所期望的概念，表示测量工具（如问卷）能够测量到的希望测量的概念的程度。有效测量就是测到了理应测到的内容
信度：指测量结果的一致性与稳定性，信度高不代表效度高。克朗巴哈系数是衡量内在一致性效度的常用指标
表面效度：测量结果在表面上与我们想要测量的概念的吻合程度（问的是否是想了解的东西）
内容效度：测量所能反映概念的完整程度（问的是否包括想了解的东西的全部方面）
建构效度：对某个概念的测量结果与其他概念的测量结果之间的关系（是否与既有理论预期一致）
效标效度：某个概念的测量结果与该测量外的既定标准或重要行为的相关程度（可以用既有标准验证，没看懂）

# 6.2.1 通过概念化形成定义

概念化：给出某一概念具体含义的过程，或者说界定这个概念在这项具体的研究中是什么。定义的视角决定了后续的测量方式。
社科领域中有许多抽象、主观的概念，通常使用 “工作定义”，即专门符合研究目的和研究情境的定义。这需要回到文献检索步骤，梳理过往学者对某个概念的界定方式，并在此基础上定义自己研究中的相关概念。梳理完不同的定义后，在研究中采用其中一种定义，并给出这么选择的合理解释。例如指出其他定义的不足，或者其他定义与研究中的另一个变量具有相关性，等。

# 6.2.2 通过操作化形成量表

定义和数字之间还需要构建一个关联。操作化是将抽象的概念转换为具体可以测量的指标或量表的过程。使用如下原则构建量表，按实际使用时优先考虑的级别排序：

直接采纳。许多变量的概念在学界已经有非常成熟的测量量表，可以直接拿来用。但是大部分是英语环境，翻译时需要修改。
改编。这是最常见的做法，在相关成熟量表的基础上结合研究主题和研究情景对其进行适当的改编。注意问卷的整体内容与原版问卷需要保持一致，且部分表述要结合当前研究的问题略作调整
开发。风险大，不建议使用，量表的信度、效度不一定有保证

# 6.2.3 选择合适的测量尺度

从测量尺度的角度看，往往把变量分为定类变量、定序变量、定距变量、定比变量。精确度依次上升。

定类变量。指标为有限个选项，例如生理男性 / 生理女性、信仰佛教 / 信仰基督教 / 信仰伊斯兰教 / 信仰其他宗教 / 无宗教。可以使用数字对类别进行标号，但数字仅仅是标号，不代表顺序。
定序变量。注意与定类变量的关系，都是有限选项，但是数字代表某一顺序。
定距变量。取值可以进行加减运算但不能乘除，例如温度，可以说 10 度和 20 度的差距等于 20 度和 30 度的差距，但不能说 30 度比 10 度热三倍
定比变量。相比定距变量，它拥有真正意义的零点，取值可以进行加减乘除运算，例如身高、体重、年龄
高精度的好处，在后续处理中有更多可以取舍的地方（例如合并处理），但高精度意味着大工作量，而且并不一定能保证答卷者的回答随着问题的细致化而更加准确。

李克特量表严格上属于定序变量（非常满意 / 较为满意 / 一般 / 较为不满意 / 非常不满意），但是在社科研究中通常被视为定距变量。五个选项、七个选项的量表较为常见（称为五级量表、七级量表）、还有六级量表、十级量表等。
语义差异量表使用多对语义相反的形容词或副词组成多个题目

# 6.2.4 设计问卷并开展预测试

设计问卷的其他问题，包括：问题措辞、选项设计、问题排序、预测试

问题措辞：要有高的聚焦程度，表述简短清晰，不能使用诱导性语言和双重提问（双重提问指一个问题实际上是两个单独的问题，但是只提供了一个空让人回答）
选项设计：遵循互斥（选项之间不重叠）+ 完备（选项穷尽所有可能的答案，并且加入 “其他” 这一选项兜底）
问题排序：简单的放前面，困难的放后面；行为相关的问题放前面，态度相关的问题放后面；测量重要变量的问题放前面，测量次要变量的问题放后面；筛选答卷者的问题放前面；隐私问题、敏感问题放后面
预测试：50-80 份，检验问卷的科学性。包括语句通顺性、表述是否含糊不清、答案选项是否合理（如果多数人的答案集中在某一选项，需要调整答案区间）

# Chapter 7 用数据说话・开展数据分析

# 7.1 常用的数据分析方法

# 7.1.1 数据统计

最基本的数据分析方法。对数据的分布情况进行描述或总结，关心整体分布的态势，摒弃个体的特殊性。用数值表示数据的集中趋势和离散趋势。
度量集中趋势：均值、中位数、众数
度量离散趋势：极差、方差、标准差，注意方差是除以 n-1，要无偏估计
Chapter 9 中将详细介绍图标制作规范

# 7.1.2 推论统计

包括参数估计和假设检验。具体讲讲假设检验。
零假设一般是变量之间 “无关” 或不同组别 “无差异”，假设检验就是评价样本的数据是否足以让我们否认零假设。陈述 “我们有 99.5% 的把握可以认为二者存在关系”= 陈述 “我们有 99.5% 的把握认为零假设错误”，说明有 0.5% 的概率我们犯了第一类错误（犯第一类错误指 “零假设是正确的，但是我们拒绝了它”，犯第二类错误指 “零假设是错误的，但是我们没有拒绝它”。），或者说有 0.5% 的概率这样的结果是由于偶然而不是一种注定的性质。我们设定一个标准，称为 “显著性水平”，记为 $\alpha$ （假设为 1%）。如果零假设成立，计算 “在总样本中抽样得到当前样本的概率”（p 值）。若 $p<\alpha$ ，那么就可以认为有足够的把握拒绝零假设。

# 7.1.3 差异分析

下面的几种方法，区别在于需要检验的总体个数

单样本 t 检验：抽样得到 “大学生平均睡眠时间为 7.84 小时”，是否可以据此认为 “大学生平均睡眠时间不是 8 小时”？
独立样本 t 检验：假设无关，看否认假设的把握有多大，依据显著性水平和样本自由度判断是否否认假设
配对样本 t 检验：假设相关，看均值差异，书上也没细讲
单因素方差分析（ANOVA）：研究涉及三个及以上的总体时使用，比较多个总体之间的均值是否存在差异，零假设是 “不存在差异”，其反面是 “至少一个存在差异”
卡方分析：针对定类变量，判断两个定类变量是否相关
相关系数分析：针对定距或定比变量，使用 Pearson 相关系数，针对定序变量，使用 Spearman 相关系数
构建统计模型：线性回归、logistics 回归、路径分析、结构方程模型等

# 7.2 数据分析的注意事项

# 7.2.1 数据分析方法要与研究问题相匹配

不是分析方法越复杂，论文就越有价值。

# 7.2.2 务必对数据进行预处理和清洗工作

统一变量名和数据格式，关注数据是否存在缺失值或异常值，是否要对数据进行标准化处理，实际的数据分布是否符合后续模型的前提条件

# 7.2.3 熟悉特定数据分析方法的适用条件

例如 t 检验要求样本数据来源于正态分布的总体

# Chapter 8 撰写学位论文

# 8.1 如何撰写 “题要词”

题要词 = 标题 + 摘要 + 关键词
标题要清晰准确地表达出你研究的核心目的，标题可以包含论文中含有特色的研究方法或者理论视角
摘要：研究背景或动机，研究问题或研究假设，研究方法与研究结果，研究结论与启示。需要精炼
关键词：研究中的核心概念
关于英文版的题要词，不要机翻，不要有语法错误

# 8.2 如何撰写引言

为什么研究这个议题：援引与本研究议题有关的社会现象或市场报告，指出学界对某个现象的看法存在争议
目前研究进度如何，还有哪些值得研究的地方：梳理以往对该议题的研究情况，指出当前研究存在的缺陷，详细内容放到文献综述中阐述
本文将如何解决这个不足：“本文的目的是……”

# 8.3 如何撰写文献综述

梳理该研究议题的研究现状，将研究议题聚焦到某一特定角度。按照一定的逻辑清晰地指出目前已有哪些研究，这些研究已经进展到什么地步。不仅要指出来这些研究，还要有对这些研究的评价，找到过去研究的缺陷，凸显本文研究的重要性。评价维度包含研究主题、研究视角、研究方法、研究结论等

# 8.4 如何撰写研究方法

研究方法部分包含三个模块：研究对象和研究步骤、样本来源、变量测量和数据分析方法。
研究对象、研究步骤、样本来源
- 指出研究对象，交代研究的时间地点，采用了怎么样的抽样方式收集了多少份有效数据。如有必要，同时说明进行的数据清洗和整理工作，比如交代过滤无效样本的标准和方法。
变量测量
- 阐述变量的测量方法，包括具体的测量蚊香、依据来源以及量表的信度与效度
数据分析方法
- 具体的数据分析方法
根据自己的研究方法的其他的重要的内容
- 比如
  - 实验法要交代实验材料设计和操纵检验
  - 内容分析法需要说明编码表和编码方案等
需要清晰且准确地写作，他人可以直接按照这个流程来复制该研究

# 8.5 如何撰写研究结果

客观汇报和呈现数据分析结果，不能掺杂带有主观性的解读
通常文章首先需要汇报描述统计结果，包括样本的构成、核心变量的集中和离散趋势等。对于推论统计的结果撰写，要有前面的研究假设或者研究问题相对应
必要的结果不少，无用的结果不多。一般不用吧软件给出的结果都列出，如有必要，可以附录或作为补充材料
可以用图表等形式辅助呈现

# 8.6 如何撰写讨论

首先说明研究假设是否得到支持
- 假设成立，可阐述你的研究议题或研究情景如何进一步验证了变量之间的关系，提高了这一研究结论的可推广性
- 如果研究假设不成立，则需要给出可能的解释。有理论或文献的支持更好
不需要写每一个研究问题和研究假设。针对其中有价值的部分探讨即可

# 8.7 如何撰写结论

简要概述研究结论
还可以交代这项研究的价值与局限
- 研究价值是本研究带来的研究启示
  - 理论启示
    - 研究的理论贡献
  - 实践启示
    - 对现实的指导或参考意义
- 局限部分的撰写
  - “研究不足” 不能成为借口。论文不能有原则性和根本性问题
  - “研究不足” 不能留于表面形式，提及的局限最好是今后进一步研究的切入点，可为自己或他人的后续研究提供启发

# 8.8 如何撰写其他部分

可以根据实际情况对上述个别部分进行整合
可能还需要提供参考文献、附录和致谢
- 参考文献是必需项
- 附录是对正文内容的补充或解释
- 致谢部分可以根据自己的风格撰写，感谢对写作提供帮助的人或机构
论文修改
- 反复修改论文是很正常和必要的。有时定稿的过程比初稿撰写更漫长
- 修改工作
  - 对论文整体逻辑框架的修改
  - 对论文每个部分的修改
  - 对语言表述的修改
  - 统一数据呈现方式和参考文献著录格式
- 修改经验
  - 写完论文后静置一段时间后再修改
  - 邀请导师或同学对论文进行 “挑剔性” 阅读
  - 朗读修改

# Chapter 9 注重写作规范

行文结构规范、标点文字规范、数据呈现规范、引用规范等

# 9.1 数据呈现规范

图标的目的是清晰地传达数据的信息。当文字无法表述或表述啰唆时才应使用
根据特定的标准调整表格并整理数据，以符合规范表达和清晰呈现的需要

# 9.1.1 制作图表的注意事项

制图
- 仔细分析图形的特点和规律，选择合适的图的类型表达
- 尽量用横轴表示自变量，纵轴表示因变量
- 坐标轴刻度和数值标识的间距要尽量协调
- 考虑版面和分辨率，可以裁剪以突出细节
- 对于多图组成的大图各分图要标注清楚
- 常用图的类型有条形图、扇形图、直方图、折线图、箱型图、散点图等
  - 不同类别之间的频次最好使用柱形图或条形图
  - 当数据的测量尺度是定距或者定比时，直方图和折线图可以更好反应大小顺序
  - 箱型图可以展示数据的相对位置
  - 散点图涉及两个及以上变量，一般用来展示变量之间的关系
  - 饼图可以表示一系列数据点的项目的比例。
制表
- 栏中使用的单位应标在该栏表头项目名称的下方
- 各栏均须注明变量、数据、符号、单位等，只在无必要时可省略
  - 表中相邻的栏内容相同时应重复标注或者通栏表示
- 表内用空白表示未测或无此项，用 “-” 表示未发现，用 “0” 表示测量结果为 0
- 纯小数要写出小数点前的 0
- 形式上包括全线表、无线表、省线表（最常见的是三线表）
  - 三线表包括表号、表题、项目栏（表头）、表身和表注
  - 三线表的内容依赖于数据分析结果，应参考学校的相关规定。没有的可询问导师或者参考该领域权威期刊
每张图表都要在原文中明确提及。图表应按照出现的先后顺序用阿拉伯数字编号，即使只有一张图表。
图表一般随文排，先见文字后见图表，不能随文排的应注明图表所在页码
每张表图都应有题名，图题应在图下方居中，标题应在表上方居中。编号与题目间空一个字符。两者宜用有别于正文的字体字号。图表中的文字宜比正文小 1 号。
图中的术语、符号、单位等应与表中一致，但切忌与表中的文字表述重复。