無論是人文科學的訪談結果，或自然科學的實驗數據，學術研究經常會需要用到統計資料。
然而，許多作者往往不知如何適當地整理及使用資料，有些作者甚至選擇直接把所有資料都放在文章內，造成內文過於冗長。
因此，本文章將列舉三點建議，讓讀者能在學術文章中正確使用統計資料。
在內文中討論需要的資料
許多作者習慣把統計資料放在表格內，又在內文中重新整理一遍所有資料，造成讀者在閱讀文章時無法快速掌握作者想表達的內容。
我的建議是，可以將所有統計資料以表格方式呈現，但在內文中只要探討能回答論文假說或與假說有關的統計資料即可，不需將所有資料都在內文中重新覆誦一遍。
比方說，一篇學術文章探討年紀與疾病的關聯性，並統計不同年齡的病人有多少疾病。在統計過程中，研究者可能會額外記錄病人的性別、職業、居住地等其他資訊，但除非這篇文章也要討論這些因子是否會影響年紀與疾病的關聯性，否則將這些額外統計的資料放在內文中的表格即可，不必在內文重複講述所有的資料。
如此一來，既能減省篇幅，也能幫助讀者快速掌握作者想強調的重點。
關聯性與因果關係
學術研究常以相關係數來表達兩組資料之間的關係，並用統計檢定來證明兩組資料的關聯性具有顯著性。
然而，有些作者會把關聯性誤認為是兩組資料之間的因果關係。關聯性和因果關係是不同的觀念，這兩組資料可能同時受第三組資料影響而有關聯性，也有可能只是碰巧兩組資料有關連性。
比方說，喜歡吃糖的小孩跟高蛀牙率高度相關，但這關聯性可能是受小孩刷牙頻率或糖果成分兩種因素共同的影響，因此喜歡吃糖的小孩不一定會導致高蛀牙率。所以，在使用統計資料探討關聯性和因果關係時，要避免將兩者混淆。
避免用百分比說明比較
有些學術文章在比較統計資料時，習慣用百分比來比較兩份資料的差異，像是用百分比來比較兩個群體中各自有多少比例的人支持某議題。然而，百分比適合用來強調單一群體內的比例，用百分比來比較資料容易讓讀者對資料產生誤會，因此百分比要有基數才適合拿來比較。
比方說，兩份訪談分別有70%和20%的受訪者贊成某議題，但第一份訪談總數只有20人，第二份訪談總數卻有200人，總數落差很大。
因此，如果單純以百分比強調比例上的差距便容易造成誤導，誤以為多數受訪者贊成某議題。百分比需要在有能比較的基數時才能比較差異，必須要能上下文中完整交代總體的情況，否則百分比不適合單獨用來比較統計資料。
