百科 | 如何保证样本数据更加有效可信呢？

当问卷发布数据回收后，我们要如何对数据进行筛选清理，剔除无效问卷，保证样本数据更加有效可信呢？

选择题、排序题这类封闭题型的答案是有限制范围的，针对这类题型，在spss内使用频率统计功能，查看每个题目的总量、缺失值、异常值。

比如：性别只有1、2两个选项，出现其他选项则说明有问题。有个小技巧，在Excel中可以使用筛选功能，快速查看每个题目的结果是否有异常值。

还有些问卷，前后题目有逻辑关系，可以用这类题目做测谎题，筛选出前后矛盾的答案。比如前边用户选择了主要的出行方式是“自己开车”，后边却选择自己的年龄“小于18岁”，那么这类问卷可以视为不认真填答的删除。

如果技术支持，也可以通过后台数据和用户问卷中的数据做匹配，常用的是性别、年龄、常居地之类的数据，也可以问一些明确的行为数据，比如是否用地图买过火车票。

需要注意的是：

选择稳定的明确的数据来做校验题目，不要使用需要回忆的数据来校验，用户的记忆是模糊的有误差的，使用频率、使用年限，这些都不适合做校验，因为用户的记忆很可能与实际行为不完全相符。

移动端线上问卷调查可以收集用户行为数据、手机硬件数据等，这些都可以成为我们筛选数据的依据，最常用的是通过对用户的填写时间、重复提交、空题数量、逻辑错误等进行判断，可以过滤掉很大部分无效问卷。

有关线上问卷回收的数据，更多是用户使用产品的习惯、感受和评价等，与后台行为数据会有一定的差异，产品和研发的同学难免就会拿两个数据进行对比，可能还会对线上问卷数据产生一些疑问。

将两个数据配合使用更能相得益彰。调查前期可以抽取相关后台数据进行分析，了解用户对产品的使用行为和特点、功能或服务偏好等等，之后再与线上问卷数据进行对比和补充，如用户分布、硬件情况、功能使用等，并能为调查数据提供配额依据，让整个线上数据更有说服力。

除了之前我们说的，投放阶段选择合适的问卷渠道或精准推送，用来增加样本的代表性，通常在线上问卷回收后，为了让样本用户与产品目标用户更贴近，更好地代表用户的态度或评价，还可以对样本数据进行配额或加权处理。

一种方式是，从后台数据抽取某些维度进行分析，再对样本数据进行配额或确定权重，如用户地域分布、机型分布等；

另外还可以根据相对权威的行业报告数据或第三方调研数据，按照一些维度抽取样本数据。

或者上述两种方式结合，最终目的都是为了让问卷数据的说服力更强、更客观真实的了解产品用户。