在做科研的道路上，你掌握了什么技能，使你的论文写作能力突飞猛进？

个人认为有两大技能堪称论文写作的核心之核心，掌握了之后不用说科研能力突飞猛进，就是跨越阶层拿遍各大奖都有可能。

那就是基础技能--数据处理能力和高阶技能--选题，在这两部分打磨好功力，会有事半功倍的效果，绝对值得着重精进提升。

但是很可惜，很多人需要等到读博乃至博士毕业才领悟到。

---来自我导师的评价，那“小”老头两年读完博士，接着访问学者回来直接副教授了，完全没有受过非升即走的苦难，年纪轻轻主持了三个国家社会科学基金青年项目，手握10+篇C刊论文，仿佛科研对他来说就是厨娘手上的面团。

下面，咱们细细阐述一下这两个进阶技能。

一、数据处理能力。

对于科研人士来说，无论文科商科还是理工科，数据处理能力几乎是必备的能力，也是最基础的能力，很多大学基础科目都会开相对应的课程，专门教授大家梳理数据的能力，学会使用数据工具，以便毕业时处理论文数据甚至毕业后用在工作用途。

但很可惜，大部分同学这部分最基础的能力都没掌握好，有些同学甚至一窍不通，除了理工科经常与代码工具打交道，颇为熟悉外，其他文科或者商科的同学真的一言难尽。

我本硕都是商科专业，本科时记得学的数据工具是SPSS，主要是用于回归分析，通过建立模型实现论文结论验证，对于当时大二的我来说，也蛮懵懂了，就学会在机房简单运用SPSS完成线性回归分析这一类的学习，对于其他聚类分析完成不会也不主动学，认为没必要。

而且SPSS功能强大，包括不限于自动线性建模、线性回归、曲线估计、偏最小二乘回归、二元Logistic回归、多元Logistic回归、有序回归、概率单位法、非线性回归、权重估计法、两步最小二乘回归及分类回归等回归方法。

我现在想起来还有点遗憾，当时没好好学SPSS，但转过头来想想，当时的认知能力以及精力条件其实也没有很允许自己向外扩充学习很多，毕竟当时还参加挑战杯等创业大赛，能学到一类线性回归分析用于毕业论文处理数据也不错了。

其实不仅仅是SPSS，还有很多我硕士时才接触到的统计分析工具或编程软件（如Python、MATLAB等）更难学，也更难用，好学的同学可能掌握了基础的代码语言，能简单编程跑模型，但想要学透了是很困难的，而且在处理数据时需要不断修正模型，需要有专业人士的引导和指点。

但很多人是不好意思老是拿着这种基础技能问题去问老师的，因为怕导师骂，也担心老师烦影响后续论文大方向的指导。反正我不敢，我同学也不敢，都是同学间相互救济，或者花钱请人指点，直至处理完实验数据。

如果需要论文指导，可联系网站客服！

学员评价