如何使用stata清洗问卷数据

使用公司内部问卷系统来发送问卷，回收问卷后会有诸多错漏。因此问卷回收之后，首先要进行数据清洗，清洗完毕后才可进行分析。问卷清洗的工具有多种，如Excel、SPSS、stata等。我常用的清洗工具是stata，它既简单又快捷。本文我将总结使用stata清洗问卷数据的几个常用的简单步骤，供大家学习参考。

一份问卷的题目长度一般在10-25道题间，一般以多选题为主。一个用户完成这样一份问卷，至少需要一分钟。为了剔除那些不认真填答的用户，有必要在问卷发出时就设置答卷时长统计。假如答卷时长的字段名称为“time”，那么在回收问卷后，可以在stata中用以下命令剔除这些用户：drop if time<60

我们在发布问卷时，为了测试问卷是否能正常送达、是否能正常填答，通常会把几名内部人员的手机号/后台ID也放进问卷调研样本中。所以在回收问卷时，有几份问卷是内部人员填答的，是需要剔除的。假如此次给内部人员123、234、345都发放了问卷，可以在stata中用以下命令剔除这三个内部用户：drop if id=123 | id=234 | id=345

许多调研为了统计用户的人口特征，都会在问卷最后附上人口学相关的单选题（如年龄、职业、收入）。然而，有部分用户填答问卷时不够认真，会盲选答案，为了保证问卷结果的可信度，可以考虑是否有必要把这些用户剔除掉。

下面我举一个例子来说明：

e2为年龄题：

e4为职业题：

按照常理，我们都知道人们一般在60岁后退休，50岁以下退休的人极为少见。当样本量足够的情况下，可以考虑把选择了50岁以下退休的用户数据剔除，即是把年龄选了50岁以下且e4的职业选了“12退休”的用户剔除，剔除命令如下：

drop if e2==1 & e4==12

drop if e2==2 & e4==12

drop if e2==3 & e4==12

drop if e2==4 & e4==12

drop if e2==5 & e4==12

drop if e2==6 & e4==12

drop if e2==6 & e4==11

drop if e2==7 & e4==11

排他项是多选题中常见的选项，如下题：

第9个选项是明显的排他项，当选择了9时，其他选项都会变为不可选择的状态。一些问卷系统在导出选择了排他项的数据时，无法自动补充其他选项的数据，导出后会显示如下：

由图可见，除了f9补充了数字1，其余选项都是空白，这种数据是无法统计的，必须把f1-f8的数据补充为0才可以统计。补充命令如下：replace f1=0 if f9==1。（以f1为例）

补充完毕后，数据会显示如下：

在多选题中出现其他项时，默认会让用户填写文本内容。当用户填写了其他项的文本内容时，数据导出后会直接显示文本内容。要知道，文本内容是无法直接统计的，统计工具只能统计数字。

如下图，g9是一个其他项。

当用户选择了g9，导出的问卷数据可能会显示如下：

g9的数据是无法统计的，因此需要根据g9来新建一个变量g9_other来计算。命令如下：

gen g9_other=

replace g9_other=1 if g9!="0"&g9!=

replace g9_other=0 if g9=="0"

label var g9_other "其它项（0/1）"

执行命令后，数据显示如下：

在实际的问卷统计过程中，时常会用到加权的概念。所谓加权，就是当样本的构成跟总体的构成不一致时，可能会导致回收的问卷结果无法反应总体的特征，这时候就需要使用加权，让样本乘以一个加权系数，使得样本构成与总体构成一致（由于统计要求不同，对加权系数的计算也会不同，这里对加权系数就不展开论述了）。

例如，h题为性别题，选项1为男性，选项2为女性。男性的加权系数为16，女性的加权系数04，这时需要给数据新增一个加权变量，命令如下：

gen weight=

replace weight=16 if h==1

replace weight=04 if h==2

执行命令完毕后就会看到原始数据多了一列名为“weight”变量的数据。

以下是具体的处理方法：
1、创建一个新的变量：首先，可以在SPSS中创建一个新的变量，用于记录测谎题的回答情况。例如，可以将测谎题的回答情况编码为1或0，1表示回答“是”、“有”等肯定回答，0表示回答“否”、“没有”等否定回答。
2、分析测谎题目：在分析数据时，可以将测谎题目单独分析，而不将其纳入到分析结果中。例如，可以使用频数分析或交叉分析等方法，分析测谎题目的回答情况，了解被试的回答特点和分布情况。
3、检查数据：在进行数据分析之前，需要对数据进行检查和清洗，确保数据的质量和可用性。特别是在处理测谎题时，需要检查数据的完整性和准确性，避免数据缺失或错误对结果产生影响。
4、报告结果：在报告研究结果时，需要说明测谎题的使用情况和处理方法，同时需要说明测谎题对结果的影响和限制。特别是在进行统计分析时，需要将测谎题的结果单独列出，避免对整体结果产生误导。

数据清洗(清理)就是把不合格数据记录排除掉。
也就是说把这条记录弃之不用，以免影响统计结果。
丢弃记录会损失样本数量。
你说的缺省值，不知是默认值呢还是缺(漏)值。
默认值是有值，缺值则没有数据。

SPSS中的缺失值处理有专门的程序，在Analysis菜单下的Missing Data Analysis。可以提供缺失数据的详细信息和填补/删除缺失数据，填补的方法有EM和回归，删除的方法有列删和对删。
对于缺失情况的描述分析中有一个表“Data Pattern(all cases)”（要钩选Missing Value Analysis：Patterns中的All cases, optionally sorted by selected variable才能看到），其中列出了所有case在所有变量上的缺失情况。如果不采用列删和对删的方式处理缺失值，而是想自己手动根据这个表中的case num来删，就要注意了：如果使用Select Case后，这个表中的case num不同于数据文件（sav）中的case num，表中的case num是连续排列的，并不根据数据文件中的case num来的。
如果要填补缺失值，钩选EM（建议使用）或者regression后，还要点出Missing Data Analysis: EM这个对话框，将填补缺失值后的数据保留为文件或数据集，否则只会在output中出示缺失值分析的数据，而不会填补到原数据文件中。另外处于安全的考虑也要保留到新文件中，否则一旦保存就是不可逆的。

矩阵量表题是一种常用的心理学量表，用于测量个体在某些特定领域的态度、情感、信念和行为。在进行矩阵量表题分析时，可以使用SPSS Pro软件来进行数据分析和统计处理。下面是详细的步骤说明：
1 数据输入：首先需要将调查数据输入到SPSS Pro软件中，可以采用导入、复制粘贴等方式进行数据输入。
2 数据清理：在输入数据后，需要对数据进行清洗，包括删除无效数据、处理缺失值等。
3 数据描述：对数据进行描述性统计分析，包括均值、标准差、频数等指标。
4 因素分析：在矩阵量表题分析中，通常采用因素分析方法进行数据分析，首先需要进行因素分析前的检验，包括KMO检验和巴特利特球形检验。
5 因素提取：如果通过因素分析前检验，确定数据可以进行因素分析，那么接下来需要进行因素提取，通常采用主成分分析、最大似然估计等方法进行因素提取。
6 因素旋转：在进行因素旋转时，可以采用正交旋转、斜交旋转等方法。旋转后的因子解释度更高，更易于解释和应用。
7 因素解释：在完成因素提取和旋转后，需要对结果进行因素解释。通过对因子进行命名和解释，可以对调查结果进行有效的解读和分析。
8 验证信度和效度：在进行矩阵量表题分析时，还需要验证量表的信度和效度，可以采用Cronbach’s Alpha检验、测试重测等方法进行验证。
总之，矩阵量表题分析需要综合使用多种SPSS Pro软件功能，包括数据输入、清洗、描述统计、因素分析、因素提取、因素旋转、因素解释和信度效度验证等。掌握这些基本 *** 作步骤，可以帮助研究者有效地进行矩阵量表题分析和数据解读。

---