论文实证数据不足的时候到底有哪些补充办法呢，这个问题到了写论文的中后期真的是特别常见，很多人框架都搭好了，模型也定下来了，结果回头一看手里的数据根本撑不起来，急得整晚整晚睡不着，其实数据不足这件事吧，得分清楚到底是哪一种不足，是样本量太小了，还是缺了某几个维度的变量，又或者是时间跨度太短了，对症下药才有效，要是笼统地瞎想办法的话，很容易白忙活一场。

最常见的路子还是去找公开数据，像是国家统计局的网站啊，各种各样的统计年鉴啊，上市公司的年报啊，还有Wind和CSMAR这类数据库，很多学校的图书馆其实都买了入口，用校园网就能进，之前聊文献检索的时候提过，找东西的思路都是相通的，我们先看看有没有现成的，再去想自己动手的事，另外行业白皮书和政府公开报告里面也藏着不少能用的数字，花个几天时间把这几处都翻一遍，缺口说不定就补上一大半了。

公开渠道实在找不到的话，那就只能自己动手收了，问卷应该是最快的方式了，用问卷星发起来，几天就能回收几百份，对毕业论文来说这个量差不多就够了，不过设计问卷之前最好先小范围试测一遍，把那些表述模糊的题项都改掉，不然收回来一堆废卷那才叫头疼，除了问卷之外还可以做做访谈，找十几二十个相关的人聊深一点，虽然量不大，但是质感能补上来不少，之前聊开题报告的时候提过，方法和数据这类事情最好在开题阶段就盘算清楚，现在补虽然也来得及，但终归是被动的。

如果你会写代码的话，那么爬虫也是一条不错的路，我们可以把网上一些公开的信息抓下来然后清洗一下，不过要注意合法合规，可千万别碰那些涉及到隐私的东西，也别给人家网站添乱，另外导师的课题组手里往往都积累着不少数据，厚着脸皮去问问没准就有惊喜，师兄师姐做过的类似题目说不定也有现成的，同学之间互相填问卷这个操作大家应该都不陌生了吧，一个宿舍群发出去，可比在大街上拦人快多了。

还有一类办法是反过来调整研究设计，数据实在凑不齐的时候，把研究范围切小一点，全国的数据拿不到，那就研究某一个省某一个行业嘛，定量做不了，换成案例研究或者质性访谈也行，之前聊研究空白的时候提过，现有研究的样本局限往往就是机会，反过来看的话，自己数据有限的时候把题目收窄，把一个点做透，反而比摊大饼更有说服力，评委看的其实是你研究得深不深，而不是你覆盖的面有多大。

有一点必须得提醒一下，不管多着急都不能编数据，这可是学术不端的高压线，答辩的时候被问原始数据在哪，或者毕业之后被抽检出来，那后果可比数据不足严重得多了，数据有缺口其实是可以解释的，在局限性那一段老老实实写清楚，反而还能加分呢。