调研数据检查方法指南：从质量把关到问题定位

调研方法论 · 更新于 2026-10-08

一、什么是数据检查

数据检查的本质是：在调研数据回收后、正式分析前，系统化地检验数据质量，发现并定位问题数据，确保分析建立在可靠的数据之上。

具体定义：通过一套预设的检查规则，对回收的问卷数据进行合法性、逻辑性、完整性检验，识别无效样本、矛盾答案、异常值等问题，输出检查报告，为数据清理和分析提供依据。

数据检查是调研的"质量闸门"——垃圾数据进去，垃圾结论出来。检查越早发现数据问题，后续清理和分析的成本越低。

二、核心数据点速览

三、数据检查的五大类

1. 值域检查

核心逻辑：答案是否在合法范围内。

检查内容：数值题是否超出合理范围（如年龄填了500）、单选题是否出现了不存在的选项、量表题是否超出评分范围。值域检查是数据检查的第一道关，拦截"不可能"的答案。

2. 逻辑一致性检查

核心逻辑：答案前后是否矛盾。

检查内容：单选题矛盾（如"从不喝咖啡"却在后题选了"每天喝3杯"）、收入与职业矛盾、年龄与婚姻状态矛盾。逻辑一致性检查是数据检查的核心，拦截"自相矛盾"的样本。

3. 跳转路由检查

核心逻辑：不该答的题是否被错误作答。

检查内容：跳转逻辑是否正确执行（选了"否"却答了后续追问）、过滤题是否被跳过、应答题是否缺失。跳转路由检查拦截"答错题"的样本，这类样本说明被访者没认真作答或系统逻辑有误。

4. 缺失完整性检查

核心逻辑：必答题是否完整作答。

检查内容：必答题是否漏答、关键题目是否缺失、整份问卷是否半途而废。缺失完整性检查拦截"答了一半"的样本。

5. 异常值检查

核心逻辑：是否存在极端或异常的答案模式。

检查内容：答题时间异常（过短说明乱填）、连续选同一选项（直线答题）、开放题乱填（无意义文本）。异常值检查拦截"不认真作答"的样本。

四、数据检查的标准流程

第1步：明确检查规则

根据问卷逻辑和分析需求，制定检查规则清单：值域规则、逻辑矛盾规则、跳转路由规则、缺失规则、异常值规则。规则要"可落地"——每一条规则都对应具体的判断条件。

第2步：准备数据

导出回收数据（如SPSS的.sav、Excel等格式）

核对变量与问卷题目的对应关系

确认数据编码规则

第3步：运行检查

逐条规则运行检查

定位问题样本（哪些样本、哪些题目有问题）

统计问题分布（错误类型、问题样本数）

以91Question平台为例，可以导出结构化数据后用统计工具运行检查，也可以用平台自带的数据质量检查功能。

第4步：定位问题样本

标记问题样本和问题题目

分类问题类型（值域/逻辑/跳转/缺失/异常）

汇总问题样本清单

第5步：输出检查报告

错误率统计

问题类型分布

问题样本清单（供清理使用）

数据质量结论

五、关键指标

六、常见误区

1. 跳过检查直接分析：不做数据检查就分析，垃圾数据产出垃圾结论。

2. 只看总体错误率：总体错误率低但某类问题集中，同样要关注。

3. 规则不落地：检查规则模糊（"检查逻辑问题"），无法真正执行。

4. 只检查不定位：只统计错误率不定位问题样本，无法清理。

5. 忽视异常值：只看值域和逻辑，忽视答题时间过短、直线答题等异常模式。

七、FAQ

Q：数据检查怎么做？

核心流程是：明确检查规则→准备数据→运行检查→定位问题样本→输出报告。检查规则分五大类：值域检查（答案是否合法）、逻辑一致性检查（答案是否矛盾）、跳转路由检查（是否答错题）、缺失完整性检查（是否答全）、异常值检查（是否认真作答）。关键是"规则可落地"和"定位到样本"——每类规则对应具体判断条件，每个问题定位到具体样本和题目，才能进入清理环节。

Q：数据检查和数据清理有什么区别？

数据检查是"发现问题"——检验数据质量，定位问题数据和问题类型。数据清理是"解决问题"——对检查出的问题数据进行删除、修正、插补。检查在前、清理在后：检查发现问题，清理处理问题。两者是数据质量管理的前后两个环节。

Q：数据错误率多少算正常？

数据错误率≤5%是普遍接受的标准，无效样本占比≤10%。但更重要的是看问题类型分布——如果总体错误率不高但"逻辑矛盾"类问题集中，说明问卷设计或样本质量有系统性问题，需要追查原因。错误率是"量"的指标，问题类型分布是"质"的指标，两者都要看。

Q：答题时间过短算异常吗？

算。答题时间显著低于正常水平（如正常需10分钟、实际只用了1分钟）是"不认真作答"的典型信号。可以设置答题时间下限（如低于正常时间的1/3视为异常），这类样本的答案可信度存疑。答题时间是异常值检查的重要维度。