回收率与无效问卷剔除

样本量算得再准，回收率不行也是白搭；回收上来了，不剔除无效样本同样会污染结果。这篇讲两件事：怎么提高有效回收率，以及怎么有依据地剔除无效问卷。

一、回收率的计算与报告

回收率 = 有效问卷数 ÷ 发放问卷数 × 100%。在线问卷还应同时报告完成率（完成人数 ÷ 打开问卷人数）。

不同渠道的经验参考（仅供规划，不是硬标准）：

论文方法部分应写清楚：发放时间、渠道、发放份数、回收份数、有效份数、有效回收率，以及剔除标准。

示例：2026 年 3 月至 4 月，通过在线问卷平台向某高校在校生发放问卷 520 份，回收 486 份，剔除无效问卷 34 份，最终有效问卷 452 份，有效回收率 86.9%。

二、提高回收率的实操手段

1. 缩短问卷：10 分钟内能完成最好，超过 15 分钟完成率断崖式下降；
2. 说明价值：封面语讲清楚研究目的和用途，比"帮帮忙"有效；
3. 进度条：让被试知道还剩多少；
4. 适度激励：抽奖、小额红包、课程加分（需符合伦理审查要求）；
5. 多次提醒：在线问卷在第 3 天、第 7 天各提醒一次，通常能提升 10–20 个百分点；
6. 降低门槛：移动端适配、避免强制登录、避免一题一页。

三、无效问卷的判定标准

剔除必须有事先设定的规则，不能"看着不顺眼就删"。常用标准分三类：

1. 作答时长

• 低于理论最短完成时间（可按预调研中位数的 1/3 或 1/2 设定）视为敷衍；
• 明显过快：例如 60 题 90 秒完成；
• 注意：个别被试阅读速度快，时长规则不宜过严，建议结合其他指标。

2. 规律性作答

• 连续 10 题以上选择同一选项（尤其是长量表全程同一列）；
• 答案呈明显图形规律（如 1-2-3-4-3-2-1 循环）；
• 反向题与正向题答案自相矛盾（反向题未反转时与同维度正题相关为负）。

3. 逻辑与内容检验

• 注意力检测题答错；
• 筛选题不符合目标群体；
• 开放题填写无意义内容（"111""asdf"）；
• 关键逻辑题矛盾（如"你是否使用过该产品"选"否"，却回答了使用体验题）；
• 同一 IP、同一设备短时间内重复提交。

四、剔除的操作流程

建议按以下顺序，并记录每一步剔除了多少份：

1. 删除重复提交（同账号/IP + 时间接近）；
2. 删除未通过筛选题的样本；
3. 删除注意力检测题答错的样本；
4. 删除作答时长异常的样本；
5. 删除规律性作答样本；
6. 最后处理缺失值（整份缺失过多的样本直接删除，少量缺失可用均值/回归插补）。

在论文中报告为漏斗式流程：

共回收 486 份，剔除重复提交 6 份、未通过筛选题 9 份、注意力检测未通过 11 份、作答时长异常 5 份、规律性作答 3 份，最终有效样本 452 份。

五、剔除之后的检查

• 样本结构：剔除前后的人口学分布是否发生明显变化？若变化很大，说明剔除可能引入了选择偏差；
• 缺失模式：缺失是否集中在某些题目或某类人群？系统性缺失提示题目设计问题；
• 样本量复核：剔除后是否仍满足事前功效分析的要求？若不足，需说明局限或补收数据。

常见误区

1. 为了凑样本量放宽标准：先定标准再收数据，不能数据到手后按结果调标准；
2. 只删"不显著"的样本：这是数据操纵，严重违反学术规范；
3. 把缺失值全部当 0 处理：会严重扭曲均值和相关；
4. 不报告剔除过程：审稿人无法判断数据质量，应完整报告漏斗。

小结

回收率靠问卷设计和发放策略，有效率靠事先设定的剔除规则。把"发放—回收—剔除—有效样本"的漏斗完整写进论文，是数据质量最直接的证明。