问卷星导出Excel以后先做什么?反向题、缺失值和无效问卷的处理顺序

文 / 谷雨（微信公众号：逻辑论）

从问卷星导出Excel以后，很多人会先删答题太快的记录，再把反向题改过来，最后处理空白。这套顺序很容易把数据弄乱。

假如问卷用99表示未作答，直接对五级反向题计算6 - 原分数，99就会变成-93。假如先改反向题，再查连续同选，原本一整页都选3的人还看得出来，一整页都选5的人却会在正向题和反向题之间变成5、1、5、1。质量检查已经被计分规则改坏了。

我用固定随机种子生成了486份大学生教学模拟问卷，把清洗过程跑了一遍。数据包含两套六题量表，分别测量论文写作自我效能和论文写作投入。全部记录都由代码生成，不对应真实学生或真实学校。

先把处理顺序放在这里。

这张表里最要紧的是第三步到第六步。这四步有前后关系，换个顺序，得到的质量标记和量表分数可能都会变。

先别在原始Excel里删行

原始文件需要原样保留。清洗可以放在代码、副本或单独的处理表里，每份问卷都要有不会变化的记录号。

这次保留了三个数据文件。questionnaire_export_raw.csv保存导出时的486份记录，cleaning_audit.csv记录每份问卷触发了哪些标记和主要排除原因，questionnaire_clean.csv保存最终进入分析的416份记录。

这样做看起来多了两个文件，却省下了以后大量解释。导师问少掉的70份问卷为什么没进分析时，可以逐行查回去。清洗规则需要修改时，也能从原始数据重新运行，不用猜当初改过哪些单元格。

99要先变成真正的缺失值

这份问卷的12道量表题都用1到5分作答，99表示未作答。程序先核对每道题有没有1到5和99以外的值，再把99转成缺失值。本例一共找到135格特殊缺失码，没有发现其他非法题目值。

99只是这个教学案例的约定。自己的数据里，0、8、9、99、999和空白分别表示什么，要看问卷设置、导出规则和变量说明。不能看见大数字就统一删掉，也不能把它们留在均值和相关分析里。

缺失值转换完成后，反向题仍然保留原始方向。这时先检查重复提交和连续同选，才能看到受访者当时究竟按了哪些选项。

一条异常线索先不要急着删

本例有18份问卷的设备编号重复。单看这个数字，容易以为应该删掉18份。同一台设备可能由多人使用，平台给出的设备标记也未必能识别到具体受访者。设备编号只能提示我们继续复核。

本例事先规定，设备编号相同、性别和年级相同、12道量表题的答案也完全相同，才把后一次提交标记为重复。最终形成9对记录，保留每对中提交时间更早的一份，排除后一次提交，共排除9份。

连续同选也用了复合条件。486份问卷中，有15份出现至少10题连续选择同一个选项。10份同时在180秒内完成问卷，按预定规则排除。其余5份作答时间正常，注意力检查也通过，复核后继续保留。

这两个结果说明，同设备和长串同选都适合先做标记。直接把标记当成无效问卷结论，可能把共享设备的正常作答和真实但相似的回答一起删掉。

本例还用了答题时长和注意力检查。原始数据中有25份低于120秒，其中7份已经在前面的知情同意、完成状态或重复判断中排除，所以时长这一步新增排除18份。注意力检查随后新增排除13份。

120秒、180秒和连续10题都只是这个教学案例预先设定的标准。真实研究应结合题量、预测试时长、页面结构和研究对象确定规则，不能把这几个数字直接复制过去。

反向题漏做以后会发生什么

质量检查完成后，再处理反向题。五级题的改向公式是6 - 原分数。原来的1分变成5分，2分变成4分，3分保持不变。

这次有三道反向题。论文写作自我效能量表的第3题和第6题为反向题，论文写作投入量表的第4题为反向题。

我在同一批清洗后记录上比较了两套计分方式。自我效能量表漏做反向计分时，Cronbach α为-0.399，正确计分后变为0.850。写作投入量表的α从0.538变为0.835。

两项量表得分之间的相关系数也从0.291变为0.504。这里没有换样本，只改了三道题的方向。反向题处理错误会一路传到信度、相关和后面的回归结果。

看到负的α时，先查题目方向、编码范围和数据录入。正确处理反向题以后，α仍然只是内部一致性指标。它不能单独证明量表结构正确，也不能替代量表来源和效度证据。

缺一题的问卷要不要整份删掉

两套量表各有6题。本例事先规定，每套量表至少有5题有效，满足条件后用该受访者已经回答的题目求均分。24份只有单题缺失的问卷因此得到保留，原来的缺失格仍然是空的，没有用全样本均值把它填上。

一共有20份记录至少有一套量表无法计分。其中12份已经因为未完成、时长或其他更早的规则被排除，量表有效题数这一步新增排除8份。

个体有效题均分、全样本均值填补、完整案例分析和多重插补处理的是不同问题。自己的论文应该先看量表手册和研究方案，再决定允许缺几题以及怎样计分。大面积缺失、整段漏答或关键变量缺失，也不适合只靠求均分处理。

486份问卷最后怎样变成416份

所有规则按固定顺序执行，每份问卷只记录最先触发的一条主要排除原因，其他质量标记仍然保留。

清洗会不会让结果更显著

我又比较了两套分析结果。第一套只处理编码、缺失值和反向题，共有466份能算出两个量表得分。第二套完成全部预定质量清洗，剩下416份。

清洗规则应该在看主要结果以前定下。比较清洗前后，是为了说明结论对数据处理是否敏感，并检查有没有编码或流程错误。根据P值、系数方向或是否符合预期再挑选排除规则，会把研究者想要的结果混进数据处理。

论文里可以怎样写

方法部分要写出顺序、标准和每一步的依据。下面这段只能作为结构示例，数字和规则需要换成自己的。

原始问卷共486份。首先核对同意状态、完成状态和变量编码，并将特殊缺失码99转换为缺失值。随后按预定规则检查重复提交、答题时长、注意力题和连续同选模式。反向题按五级计分规则使用6减原分数改向。两套六题量表均要求至少5题有效，满足条件后按有效题目计算均分。清洗后共416份问卷进入分析，各步排除人数和原因均保存在逐行审计表中。

结果部分可以报告清洗前后的对照。

只处理编码、缺失值和反向题时，466份记录中两项量表得分的简单回归系数为0.477，HC3稳健95%置信区间为0.395至0.560。完成预定质量清洗后，416份记录中的系数为0.492，95%置信区间为0.406至0.577。两套结果的方向和大小接近。

本例使用未调整的简单线性回归，只演示数据处理带来的结果变化。两项量表来自同一份横断面问卷，结果只能解释为关联，不能写成论文写作自我效能提高了写作投入。

换成自己的数据时先改什么

先完整复现教学案例，确认代码、文件路径和输出都能正常运行。随后复制一份资料包，再处理自己的脱敏数据。

第一步，把每一列的题目、取值、缺失码、单位和分析用途写进变量字典。

第二步，从问卷设置、量表手册、预测试和研究方案中确认反向题、最低有效题数、注意力题答案和作答时长规则。

第三步，先生成质量标记和逐行审计表，人工复核重复提交、长串同选和逻辑冲突，再确定最终分析样本。

第四步，核对反向题改向后的最小值、最大值和方向，再计算量表得分、信度与后续模型。

第五步，保存每一步的排除人数，确认样本流程能从原始记录准确走到最终样本。

这份案例没有覆盖开放题乱填、互相矛盾的跳题逻辑、同一受访者多轮追踪、复杂抽样和大面积缺失。遇到这些情况，需要增加与问卷设计相符的检查，不能只套用本例的八步表。

下载资料

在“逻辑论”公众号后台回复「问卷清洗」，可以下载完整R复现资料包。包内有486份原始教学问卷、416份清洗后数据、逐行清洗审计、变量字典和完整R代码。另附10张CSV结果表、5工作表Excel清洗记录表、4张阅读版和4张高分辨率统计图，以及7份处理说明与检查文档。

暂时不用R，也可以先打开Excel。空白处理记录页可以填写自己的同意状态、完成状态、重复复核、答题时长、注意力检查、最长连续同选和两个量表的有效题数，表格会按本例顺序给出主要原因。真实项目使用前，仍要根据自己的研究方案修改阈值和判断条件。

教学数据和配套结果只供方法学习，不能直接作为个人论文成果提交。下一篇接着处理量表里的另一个常见问题。Cronbach α达到0.95，为什么仍然要检查题目重复和量表结构。

参考资料

• Meade AW, Craig SB. Psychological Methods. 2012, 17, 437-455. https://doi.org/10.1037/a0028085
• Curran PG. Journal of Experimental Social Psychology. 2016, 66, 4-19. https://doi.org/10.1016/j.jesp.2015.07.006
• Schafer JL, Graham JW. Psychological Methods. 2002, 7, 147-177. https://doi.org/10.1037/1082-989X.7.2.147
• Cronbach LJ. Psychometrika. 1951, 16, 297-334. https://doi.org/10.1007/BF02310555

觉得有启发，请帮忙分享，谢谢↓↓