方法部分要从方法论角度详细描述论证过程，使读者可以根据论文描述的方法，独立地重复此项论证和验证工作。方法部分应包括三项内容的描述：研究主体、论证框架及步骤和数据分析。
1、研究主体
管理研究对象包括个人、群体、组织、项目和社会产品。描述研究主体包括主体本身的特征以及主体所处的总体结构，譬如研究对象是企业主管，便要对企业主管的总体加以界定，说明总体的规模及其特征，如年龄、教育程度、工作经历等各种可能影响研究结果的变量。读者关心心目中的主体和论文中的研究主体相似程度如何，研究结果能否推广应用。例如有关小企业的研究，实务人员就会问此项研究是否是在大型企业进行的，对自己的企业是否适用。有的研究论文忽略研究主体的界定，以致一篇论文中研究对象有些章节是企业管理人员，有些章节又是政府官员，或者有时谈政府主管部门和企业经营者的委托代理关系，有时谈企业内部的委托代理关系，主体飘忽不定，读者不得不怀疑结论的有效性。
样本设计是一项重要内容。抽样框架、抽样方法和样本规模都应介绍清楚。如果笼统地说在某企业选择了多少名职工进行调查，读者就无据以判断研究结果的价值，只有将样本源和特征描述清楚，才能估计研究结果的适用范围。
2、论证设计及步骤描述
论证一定要围绕“阐明问题”阶段所提出的假设树来组织，论证设计首先要设定假设树中基层假设的变量关系。基层假设最终可表述为y=f(x)，当然，是否成立还有待检验和论证。Y=f(x)一般有以下几种形式：
(1)相关表述。两变量x,y有可能同时发生，但还没有足够证据来显示两者的因果性，只能说两变量相关，表达形式为y=ax，视系统的符号可判断两者之间是正相关、负相关或不相关。更实用的相关表述形式为：设研究主体为s,x为自变量，y为因变量，假设可表达为主体s具备x比不具备x的条件下能够取得较好的输出值y，即：y(s∪x)>y(s∪x)，式中>表示优先于。X为不出现x的情况。
(2)因果表达。相关关系显示共存现象，而因果关系则对变量间作用的机理可表示为“ifx,theny”，旨在寻求何者为先决条件，何者为后果。概率p(y|x)=1表示出现x，必然有y。实际上，y事件出现的原因有多种，出现x，而其他因素不具备时，y也可能不出现，即p(y|X)<1。当p(y|x)=1，p(y|x)=0，则x是产生后果y的必要和充分条件。
(3)拓朴表述。研究论文涉及的概念和变量常有一定的层次关联。理清变量之间的层次和变量之间相互得以区别的个性，也成为一种重要的假设形式。
表述方式可应用外延空间和内涵空间的概念。设X=|x1，…，xn|为对象集，称为外延空间。从分类角度看，X是类的概念，而x是种的概念。Θ=|θ1，…，θ2|为属性集，称为内涵空间，Θ是种的变量或特征，θ则为属性。它们的共性即是类概念X的属性，所以可以归结到同一对象集内。按此外延—内涵空间概念可以表达多种形式假设，如x=|x1，…，xn|，即对类概念X的组成xi作出解释，以及X>Θ，X即设定作为分类准则的变量。如Θ是规模，则Θ=|θ1，…，θm|表示对象集X的组成比例，找出关键的Θ和个性θ及其结构就是有价值的假设。
(4)数学模型表述。涉及多个自变量和动态问题，假设的表述形式须用到数学工具来描述自变量x1,…，xn和y之间的数学关系，通常称作数学模型。数学模型也是研究者对所设想的变量间关系的一种表述，管理研究中通常运用的数学工具有：统计方法，包括多元回归方程和时间系列分析模型;运筹学模型;博奕论，描述利益矛盾双方行为模型;微分方程，描述动态问题模型等等。这些内容都有专门课程讲授，特别对工科大学的研究生来说应有这方面的基础。
按照以上假设的表述方法来看，博士论文都应该有定量研究。没有数据和统计分析支持，没有变量，没有假设，就难以说是一篇研究论文。通篇都是抽象的无法观测的概念，再怎样说得头头是道或逻辑上成立，也不能算作研究成果。然而，把定量研究只理解成复杂的数学模型也是一种误解。定性意见的量化，验证两变量间正(或负)相关的假设以及分类和聚类等都是定量分析。研究成果的价值，不是看运用数学工具的复杂程度而是看所解决问题的价值。至于有些论文为了“定量分析”而脱离所研究的问题去建立复杂的数学模型，而且和后续的结论也不衔接，这是十分不可取的做法。
变量间关系设计以后，要交代收集数据和验证假设的方法和手段。问卷法、访谈法、实地研究、实验法或无干扰观测法等都可能应用。“方法”部分就是要说明选用此种验证和实证方法的缘由，对研究主体的选择、自变量和因变量的测量、信度和效度的保证等作出说明，同时，阐述实施此论证方法的过程和步骤。这部分内容应占论文中相当多的篇幅。
判断一项实证方法设计是否合理总是围绕两个问题，即“控制”和“测量”。控制，即研究者对研究主体和环境作出安排，减少外部变量对研究结果的影响，凸显所研究变量引起因变量的变化。测量是验证过程不可分割的环节，又是误差的主要来源，测量描述包括尺度的选择和测量工具等。
3、数据分析
验证方法及步骤设计完毕后，下一步便是运用实际数据。数据的收集、整理、计算和分析应前后呼应，逻辑上构成整体。前面的每一步骤都是取得后续中间结果以至最终结果的必经之路，割断其中任何环节或删减其中一部分内容就得不出结论。数据表达应能满足读者重新计算和验算的要求，例如按百分比计算的组成，读者应清楚该对象集合的构成和相应信息，足以从不同角度去验算。其他研究人员运用同样的指标和尺度，能够产生同样的数据表格，获得同样的参数值和特征值。
数据来源以及它的筛选过程和有关背景须交代清楚，模型中各个变量和参数的表示符号要有说明，且前后一致，不能混淆，运算过程的关键环节和简化之处要有说明。图表常用来简洁地表示分析结果，它们和论文文字部分要形成整体，尽量和文字解释部分接近。表格是显示数据形式的证据，而图形常用来表示变量间关系。一个表格或曲线表达的内容不要过多，当内容繁杂时，宁可将之一分为几。
论文的主要目的是向评阅者和读者展示研究者的主要创新点，然而，给出支撑此创机关报点的基础工作同样很重要。数据分析过程就是显示这种基础工作的过程，如这部分写得粗糙，读者便会感到似乎接受了一种并无可靠保证的结论。
创新性的假设，周密的论证方法设计和严谨的数据分析构成一项完备的博士论文工作。然而，成功的研究工作还有待规范而又有个性的写作，让读者清晰了解创新点在何处，其基础是否可靠，分析结论是否有效。论证的表述并不要求研究者将论证过程中自己积累的知识都写进去，要从评阅者的视角来选择内容。研究生在论文工作过程中必然要去钻研一些原本不太熟悉的理论和方法，花了许多工夫，也很有心得，所以就总想把这些费了心血的宝贵知识写进论文中去，然而在评阅人的心目中，这往往属于知识性内容，写进去反而会冲淡论题主线。在学位论文中，有些研究生做出了很有意义的研究结果，但该写的未写，不该写的内容写了一大堆，创新点的内容却一带而过，知识性的内容占篇幅很大，使评阅人低估了研究工作的价值这是最可惜的事情。
本文整理自网络，仅供大家参考。想要进行论文查重同学，可以去进行查重,准确率也是可以保证的。 将近期会推出的机器降重、自动降重工具，同时后续还会支持更多的检测系统，是不是很期待，想使用机器降重可联系哦。
自动降重功能虽然有一定参考作用，个别地方还是需要人工修改，毕竟还是个机器，机器改重完后，需要找修改老师再顺一遍，这样才保险。当然无论是机器智能降重，还是人工降重，都需要先检测，根据检测报告才能确定哪些地方是重复的。