老子要崩溃了，要我老命。。。

怎么搞才行呢，我动起了歪心思：动动小手？直接把结果修改成显著？

太low了，有失我身份

好吧，其实是太明显了，万一露馅就废了，那么（干货预警！！！）：

为有源头活水来，我们直接修改原始数据：

本帖仍以心理学论文《青少年生活事件与拖延行为的关系》为例进行讲析，从原始数据入手，涉及到①增加样本②相关分析调整③人口学差异检验调整。

接上，假设我们的数据是这个样子：被试样本过少，且结果毫不显著！

记得关注哦~

华丽变身第一步：增样本

重复操作之后现在共有260份：

dan数据仍然是不显著的

第二步：显著相关

根据以往经验，我主观上认为生活事件与拖延行为的关系应该是：“生活事件越多，个体的拖延行为越严重（本文生活事件特指负性事件）”。同时再去查阅文献，看看前辈们的研究结果是否确实如此。两者相互印证之后，我需要的数据结果是生活事件与拖延行为呈正相关。那么，我将：

①将生活事件部分的数据和拖延行为的部分数据先分开，可以分为两个文件；

②将生活事件总分、拖延行为分别进行升序排列；

③将两个分别升序后的数据再合并起来就行；

④为了避免过于显著（相关系数一般在0.2-0.4左右就行），你可以将其中的顺序在打乱一下调整调整，避免看起来太假。这个步骤需要反复调整多次。

（小目标已达成）

此时我们可以看到：生活事件总分及六个因子皆与拖延行为呈显著的正相关，相关系数在0.124——0.381之间，具有统计学意义。

第三步：调整人口学差异

生活事件与拖延行为之间的相关性已经调整完毕，此时两者数据的对应位置最好不要再进行调整。下面我们继续看一下生活事件和拖延行为在人口学变量（性别、生源地、专业、年级等等）上的差异检验，以性别为例：

偷个懒，就不给大家整理三线表了有需要私我

关于人口学变量上的差异检验，我个人认为数据只要不太离谱就行，因为前人的研究成果也并不完全相同，能够自圆其说就可。如上图中拖延行为和生活事件的性别差异并没有太离谱，我个人认为可以接受（并不一定非得差异显著）。

但如果数据偏差较大时，我们便需要做出适当的修改（切记不要再动生活事件和拖延行为数据顺序了，此时我们只能调整人口学数据的顺序）：

①假如你学校男女严重失调，实际上是女多男少，和当前数据严重不符（男169女91），此时你可以直接将男女对调，然后对数据结果给予合理的解释即可。

②假设你既要男女比例均衡，数据结果又不能太离谱。

此时需要减少男增加女，我们将约40个男生性别改为女生（数量没有强制要求，大概均衡即可），但此时需要注意改动的这40个左右的男生不是任意的，这40人性别虽然变化了，但是不能对数据造成过大的波动。

观察数据发现拖延行为中男性均值50.88，女性均值47.37，那么从拖延行为得分在47.37——50.88之间的男性中选取40个变为女性即可（男性的均分变高了，女性的均分也变高了，两者增幅均不大），如果47.37——50.88之间的男性数量太少，那么就找点高分的，再找点低分的。这个调整过程不是一蹴而就的，需要多次试验，最终数据不离谱说得过去就可以：

本帖子是一两个变量为范例，如果你的研究为三个变量之间的关系研究（本贴仍然适用），顺序仍然是①增样本②调整变量之间的关系②调整人口学差异。好了好了，就不多说了，大家一定要知道：在条件允许的情况下，我们肯定还是要真实调研的。数据造假的东西毕竟还是上不了台面的。

点关注不迷路

以上行为为反面教材，广达同胞应当唾弃、引以为戒！

写完记得调整格式哦→