街访问卷质量控制方法-单个项目卷面质量评估

单个项目卷面质量评估
1、数据清洗流程：
数据清洗已经成为调研公司定量项目的一个必备环节，其流程如下图所示。首先需要研究员根据问卷做出审卷要求/数据清洗单，发至访问部/数据部，数据处理员据此进行清洗程序编写，对初次录入完成的数据库进行清洗，清洗结果与问卷比对，区分录入/访问问题，如果是录入问题，校正后再录入；如果是访问问题则返回访问部进行回访，然后将反馈结果再返回至数据部进行数据回填；产生新数据库进行再次数据清洗，如此反复，直至得到最终的干净数据库为止。
2、问卷出错情况分类：
问卷出错情况一般分为以下7种，见下面注释：
3、数据清洗
（1）编写数据清洗程序对错误预先分类
目前常用的数据清洗软件为QUANTUM/SPSS等，它们只是编程语言不同，其目的和结果是一样的，考虑到本文的重点，本文不对清洗程序语言做进一步阐述。
为便于对清洗结果进行分类整理，我们在编写清洗程序(QUANTUM，SPSS均可)时，即用在程序中采用【字母：错误描述】进行定义，并输出：问卷编号，城市，录入员ID，访问员ID，审卷员ID，导成EXCEL格式，将错误问题描述中分类字母分列整理后，成为如下表格式。
（2）《初始清洗结果一览表》
（3）根据清洗结果与问卷的比对，可以将形成原因主要分为三类：
录入错误：因目前市调公司录入常为100％双录，录入错误率达到万分之一（录入点）以下，故此类型错误占比极少；
清洗程序编写错误：和清洗程序编写人员水平相关，内部可控，出现比例很低；
问卷本身的问题（排除录入错误和清洗程序编写错误后）；
（4）《项目清洗结果一览表》的再整理
在《项目清洗结果一览表》基础上，排除录入/清洗程序错误后，按照问卷编号和问卷问题，使用数据透视表进行整理如下：
从上表中，发现问题严重的问卷，定位于代理公司，访问员、审卷员，及时反馈给访问部，发现问题，弥补错误，对于在执行期比较长的项目作用更明显，在某种程度上替代复核的一部分作用；当然如果访问员作弊手段极高的情况，在这里不易发现，但是如果这样作弊付出的劳动比真实的访问还要高，而且担风险，那么作弊也就不值得了。