進行科研論文寫作，通常需要對取得的數據進行統計學處理。達晉編譯提醒大家，對此需要注意以下的問題。
一、對基線資料進行統計學分析。搜集資料應嚴密遵守隨機抽樣設計，保證樣本從同質的總體中隨機抽取，除了對比因素外，其他可能影響結果的因素應儘可能齊同或基本接近，以保證組間的齊同可比性。因此，應對樣本的基線資料進行統計學分析，以證明組間的齊同可比性。
二、選擇正確的統計檢驗方法。研究目的不同、設計方法不同、資料類型不同，選用的統計檢驗方法則不同。例如：2組計量資料的比較應採用t檢驗；而多組(不小於3組)計量資料的比較應採用方差分析(即F檢驗)，如果組間差異有統計學意義，想了解差異存在於哪兩組之間，再進一步做q檢驗或LSD-f檢驗。許多作者對多組計量資料進行比較時採用兩兩組間t檢驗的方法是錯誤的。又如：等級資料的比較應採用Ridit分析或秩和檢驗或行平均得分差檢驗。許多作者對等級資料進行比較時採用卡方檢驗的方法是錯誤的。
三、假設檢驗的推斷結論不能絕對化。假設檢驗的結論是一種概率性的推斷，無論是拒絕Ho還是不拒絕Ho，都有可能發生錯誤(Ⅰ型錯誤和Ⅱ型錯誤)。因此，假設檢驗的推斷結論不能絕對化。
四、P值的大小並不表示實際差別的大小。研究結論包括統計結論和專業結論兩部分。統計結論只說明有無統計學意義，而不能說明專業上的差異大小。P值的大小不能說明實際效果的「顯著」或「不顯著」。統計結果的解釋和表達，應說對比組間的差異有(或無)統計學意義，而不能說對比組之間有(或無)顯著的差異。P≤0.01比P≤0.05更有理由拒絕Ho，並不表示P≤0.01時比屍≤O.05 時實際差異更大。只有將統計結論和專業知識有機地結合起來，才能得出恰如其分的研究結論。若統計結論與專業結論一致，則最終結論也一致；若統計結論與專業結論不一致，則最終結論需根據專業知識而定。判斷被試因素的有效性時，要求在統計學上和專業上都有意義。
五、假設檢驗的結果表達。P值傳統採用0.05和0.01這2個界值，現在提倡給出P的具體數值和檢驗統計量的具體數值(小數點後保留3位有效數字)，主要理由有：一是以前未推廣統計軟體之前，需要通過查表估計P值，現在使用統計軟體會自動給出具體的P值和檢驗統計量的具體值(t值、F值等)；二是方便根據具體情況判斷問題。例如P=0.051與P=0.049都是概率，不能簡單地斷定P=0.051無統計學意義而P=0.049有統計學意義；三是便於對同類研究結果進行綜合分析。
六、統計學符號的使用。統計學符號的使用應按照「統計名詞及符號」的規定，具體可參閱本刊投稿須知中的有關要求。