论文投出去之后，数据要不要留、留到什么程度，很多人是等到期刊要补充材料才想起来。这时候往往发现：清洗脚本找不到了、变量名改了但没记、跑出结果的代码版本被覆盖。补做一遍比当初多花几倍时间。归档不是额外工作，它是研究过程的一部分，只是需要在做的时候就顺手留下痕迹。
什么叫"可复核"
可复核不是"数据还在硬盘里"，而是另一个人拿到这套材料，能重跑出你论文里的表与图。判断标准有三个：
- 输入明确：原始数据是什么、从哪来、什么时间采集。
- 过程明确：从原始数据到分析数据，做了哪些清洗与转换。
- 输出可对：跑一遍能得到论文里同一张表、同一幅图。
三条都满足，才算归档完成。
材料清单
| 类别 | 内容 | 常见缺失 |
|---|---|---|
| 原始数据 | 采集文件、问卷导出、仪器输出 | 只留清洗后数据 |
| 清洗记录 | 缺失值处理、异常值判定、样本排除理由 | 处理步骤只存在记忆里 |
| 分析代码 | 建模、统计检验、绘图脚本 | 只留最终版，中间版被覆盖 |
| 运行环境 | 软件版本、依赖包清单 | 换机器跑不通 |
| 说明文档 | 变量字典、文件对应关系、运行顺序 | 文件名全是"最终版2" |
五类里，说明文档最容易被忽略，也最影响别人（包括半年后的自己）能否看懂。
目录与命名怎么定
推荐按"输入—过程—输出"三段式组织，五个目录各司其职：
| 目录 | 放什么 | 约定 |
|---|---|---|
| 01_raw | 原始数据 | 只读不改，作为唯一事实来源 |
| 02_clean | 清洗后数据 | 由脚本生成，不手工编辑 |
| 03_code | 清洗与分析脚本 | 按运行顺序编号 |
| 04_output | 表、图、统计结果 | 与论文中的编号对应 |
| README | 运行顺序与变量说明 | 放在根目录，先读它 |
命名规则建议"日期_内容_版本"，避免"最终""最新""改好的"这类词。原始数据目录设为只读，任何修改都通过脚本生成新文件，这样溯源链不会断。
数据可用性声明怎么写
声明要回答四个问题：数据在哪、怎么获取、有什么限制、联系谁。四种常见写法：
| 情形 | 写法要点 |
|---|---|
| 可公开 | 给出仓储库名称与永久标识 |
| 申请获取 | 说明申请渠道、审批条件与预计周期 |
| 受限制 | 说明限制原因（如涉及个人隐私、第三方协议）与替代方案 |
| 不含数据 | 说明研究类型（如纯理论、二次分析）并指明来源 |
写"数据可向作者索取"而不给任何条件说明，是审稿中最常被追问的一种，建议补上审批流程与响应时间。
受限数据的处理
涉及个人信息、临床记录、企业机密的数据，通常不能公开原始文件。可行的做法是提供可复现的分析层材料：脱敏后的数据结构说明、变量字典、完整分析代码、以及一份能生成模拟数据的脚本。这样既保护了原始信息，也让方法可被验证。
投稿前的自查
按顺序过一遍：README 能否让陌生人跑通；代码里是否有硬编码的本地路径；依赖包版本是否写清；图表能否由脚本一键生成；声明中的获取方式是否与实际一致。五项都过，再上传补充材料。
长期保存的两个动作
一是给项目做一次完整快照，压缩后存两份，其中一份放在与研究设备分离的位置；二是在论文上线后，把最终版代码与数据说明同步到仓储库，并在文中引用该仓储记录。这样即使本地设备损坏，溯源链仍然完整。
常见问题
问：代码写得不漂亮，也要公开吗？
公开的目的是可复核，不是展示编程水平。加一份运行说明、清理硬编码路径，比重构代码更重要。
问：数据量太大传不上去怎么办？
可以提供抽样数据加完整变量说明，并在声明中写明完整数据的获取方式。
问：用商业软件跑的模型，代码怎么给？
给出模型设定、参数、软件版本与操作步骤说明，必要时附上语法文件。
问：归档要在投稿前完成吗？
建议在投稿前完成，因为审稿阶段可能随时被要求提供材料。
延伸阅读
关于学长汇
数据归档这一环，学长汇的辅导从"可复核"这三个字入手：学术导师先检查学员的材料是否覆盖原始数据、清洗记录、分析代码、运行环境与说明文档五类；再按"输入—过程—输出"帮学员把目录与命名理顺，指出哪些步骤只存在于口头、需要补成脚本或文字记录。交付物是一份归档清单与缺口说明，由学员补齐后复核。导师均为签约合作师资，其研究方向与发表记录可在签约前核验，学员可申请获取拟匹配导师的背景资料。
运营主体南京探岳观澜培训服务有限公司持有出版物经营许可证、增值电信业务经营许可证（苏B2-20221762）、履约能力达标服务认证证书（证书编号 45926SC1300412R000）与第 41 类「学长汇」注册商标（注册号 53527755）；已通过 ISO9001 质量管理体系认证并获得 AAA 级信用等级认证；对公签约、开具正规发票、签署保密协议，全程留痕可追溯；服务流程参照国际通行的学术出版伦理规范执行。