3 年发十余篇 SCI 大神：「提高数据质量，是高效发论文的根本」

在这样一个科研快速增长的年代，SCI 论文似乎已经成了我们科研人员的「安身立命」之本了。如同下面的环形图显示的一样，对于科研人员来说，数据是论文的源头，是非常宝贵的财富和资源。

当我们费劲拿到自己的数据之后，满怀欣喜的打开数据时，是否有考虑过以下几个问题？（以临床常见的数据为例）

上述的「数据十连问」，总结起来就是一个问题，「我的数据干净吗」？这些问题提醒了我们：不要一拿到数据就上手分析，要先判断下这些数据是否适合分析。否则，十有八九得到的结果是不准确或者完全错误的，既浪费了时间又降低了论文的质量。

举个最简单的例子，假如数据是偏态分布的，用最常用的 t 检验就是错误的，会直接被 reviewer 质问。再比如，在进行回归分析时，如果没有合理的处理分类变量及其参照水平，也直接影响最后结果的准确性。

然而现实科研工作中，部分人就抱着侥幸心理，想「划水」过。但常在河边走，总是会湿鞋，划水划得多了，总有翻船的一天。尤其对于想发高分 SCI 论文的童鞋来说，划水是万万划不过去的。

据我所知，一些高 IF 的期刊，都配有专门的统计 reviewer，一些「障眼法」基本逃不过他们的法眼。所以，说一千道一万，数据的质量决定了结果的好坏，一定要先正确整理原始数据，即进行「数据清洗」，然后再进行数据分析。

数据清洗对数据分析师是一个非常常见也十分重要的工作。而对于从事医学科研的我们，尤其是战斗在科研一线的研究僧同志来说，并非数据专业出身，对「数据清洗」一词估计会比较陌生。实际上，我们几乎每次研究都会涉及到缺失值、异常值等的处理问题，而这些都是数据清洗的内容。

简单来说，所谓的「数据清洗」，就是将我们拿到的原始数据，整理成可以拿来进行统计分析和可视化的数据。这里面涉及的东西非常多，是一个比较繁琐庞杂的工作。

如下图所示，从拿到数据到最后拿到结果，一半以上的时间都花费在数据清洗阶段了。（Dasu T, Johnson T (2003). Exploratory Data Mining and Data Cleaning. Wiley-IEEE.）

如何快速、高效且正确地进行数据清洗，降低我们的时间成本呢？个人的经验是：掌握一门计算机语言，熟悉一套完整的数据清洗流程。

我在读硕士时，专业是流行病与卫生统计学，不做实验（曾经做过一年，证实了一个问题，我不适合 bench 工作），不上临床，每天的主要工作就是接触大量的数据，并且想办法处理并分析它们。这些数据有些是我们自己试验得到的，有些来自于公共数据库。

刚开始用 EXCEL 和 SPSS 进行数据处理，走了非常多的弯路，实在是「想死」的心都有了。后来痛下决心，花几个月时间学习了 R 语言，真的感觉「柳暗花明又一村」了。

R 语言是现在非常流行的统计语言，在各大 SCI 牛刊也是越来越频繁出现。甚至有人说，会用 R 语言，已经是现在搞科研的标配了。

这话还真不夸张。R 语言可以说是专为统计而生的计算机语言，相比其它统计软件或计算机语言，有着得天独厚的优势。比如，它有一整套完整的数据清洗流程，几乎涵盖所有可及的统计学方法，精美的统计绘图系统等。

我自己在掌握 R 语言后，三年内，以相对快的速度发表了十余篇 SCI，且全部为第一作者或并列一作，总影响因子超过 60。虽然有人说，你就会灌水，可是我想说的是，即便是灌水，我们也要有策略的灌水，往高分杂志上灌水。

说到这，可能有同学就开始动心，像我当初一样痛下决心学习 R 语言了。毕竟学习 R 语言，可以帮助我们更好的发论文，而论文是大家都想要的东西。

现在市面上 R 语言的课程很多，但是大多不够系统，或太过庞杂不够聚焦。这次，我将自己以往数据清洗的经验，依托于 R 语言，在丁香公开课上呈现给大家。

这门课不仅让大家能够从基础做起，熟悉和掌握 R 语言，还能掌握完整的数据清洗方法。

△课程目录：点击图片可放大观看

课程原价 288 元

限时立减 20 元

现价仅需 268 元

扫描下方二维码立即抢购

一门课，并不能解决大家的所有问题。但我希望通过这门课程，给大家分析一些正确统计的观念和技巧，正所谓「授之以鱼，不如授之以渔」。

衷心希望它能给大家带来帮助，提高大家的科研效率。

责任编辑：袁蕾

题图来源：站酷海洛Plus

 ▼ 点击阅读原文，向 SCI 再进一步！