正确的数据格式是数据分析的基础，因此在论文写作的时候，需要针对不同的数据分析方法，选择不同的格式进行汇总。
1.原始数据格式
原始数据格式的特点是，调查有多少样本，就需要录入多少行数据。一行代表一个样本，一列代表一个属性（变量）。
2.加权数据格式
加权数据基本只针对全部为定类数据的研究时使用，且只提供汇总数据，不提供原始数据。
3.T检验、方差分析
T检验、方差分析都是研究不同组别的差异，比如不同学历时满意度的差异。因此数据格式中一定需要有不同组别X和分析项Y。
4.卡方检验
卡方检验用于研究X与Y之间的差异性，并且X与Y均为定类数据。使用SPSSAU中的卡方检验进行研究时，支持常规数据格式和加权数据格式两种形式。常规数据格式适用于原始数据，加权数据格式适用于只有汇总数据的情况。
5.灰色预测模型
灰色预测GM(1,1)模型通常针对数量非常少的样本进行预测，如果数据带有时间项，其并不纳入分析项中，但自己整理数据时一般需要将数据依次按时间排序好，然后录入数据，类似数据格式如下图：
6.ARIMA模型&指数平滑法
ARIMA模型和指数平滑法是针对时间序列数据进行研究，时间序列的格式包括时间和实际分析项共两列。比如下图中年份就是时间项，“阿里双十一销售额(亿元)”就是实际分析项。
7.马尔科夫预测
如果是马尔可夫预测，通常包括两个数据，分别是“初始概率值”和“状态转移矩阵”。“初始概率值”放在A列中。“状态转移矩阵”是n*n矩阵格式，其从B列开始放入，并且B1这个单元格一定是空着的。类似如下图所示：
8.多元线性回归
多元线性回归分析用于研究自变量X对因变量Y的影响关系情况，通常自变量个数不止一个，数据格式如下：
9.条件logit回归
条件logit（logistic）回归时，配对编号ID用于标识ID，而且是配对，因此一个ID会出现多次，比如1:1配对，那么1个ID就会出现2次（1:2配对时，1个ID就会出现3次）；因变量Y一定只能包括数字0和1，类似数据格式如下图：
相关文章推荐：
→以上就是今日分享，更多的论文技巧，请查看论文畅文章栏目目进行了解
