问卷平台导出数据：格式、编码与导入前检查

从问卷星、腾讯问卷、金数据等平台导出数据后，直接扔进统计软件往往报错或算错。这篇讲清楚导出格式的选择、编码规则和导入前的必做检查。

一、导出格式怎么选

推荐流程：先导 Excel 核对，再转 CSV 用于分析。直接拿 Excel 做分析容易因格式问题出错。

二、两种导出模式：原始数据 vs 编码数据

几乎所有平台都提供两种：

• 按选项文本导出：单元格里是"非常同意""本科"等文字；
• 按选项编码导出：单元格里是 1、2、3。

分析用编码数据。文字数据需要先做编码转换，多选题尤其麻烦。若平台默认导出文本，导出时勾选"导出编码"或"导出数值"。

三、常见题型的编码规则

单选题

编码为 1、2、3……，并在变量标签里写明"1 = 男，2 = 女"。

多选题

平台通常有两种导法：

1. 二分法（推荐）：每个选项一列，选中为 1、未选为 0；
2. 合并文本：一列里是"1,3,5"这样的字符串，需拆分后才能分析。

二分法可直接算频数和交叉表；合并文本需要先拆分为多个哑变量。

排序题

一般导出为每个选项的排名数字，分析时注意排名越小越靠前。

矩阵题（量表）

每个小题一列，编码 1–5。注意方向是否统一（反向题）。

填空题

数值型填空（年龄、收入）要检查是否混入文字（"25岁""一万"），导入前需清洗为纯数字。

跳转题

未经过跳转的样本在跳转题上为空。这类空值是"结构缺失"，不是"漏答"，不能当普通缺失值插补。

四、导入前的六项检查

1. 行数核对：导出总行数 = 回收份数 − 剔除份数？
2. 编码范围：每个量表题的值是否都在 1–5（或 0–4）之间？出现 6、99 说明有特殊编码；
3. 缺失编码：平台用 99、-1、空字符串还是"未作答"表示缺失？统一替换为系统缺失值；
4. 反向题标记：确认哪些列需要反转；
5. 重复提交：按 IP、设备、提交时间检查；
6. 逻辑一致性：筛选题与后续题目是否矛盾。

五、CSV 编码问题

中文 CSV 最常见的问题是乱码：

• 平台默认导出可能是 GBK 编码，用 UTF-8 打开会乱码；
• 解决：用 Excel 打开时选择"数据 → 从文本/CSV"，指定编码为 65001（UTF-8）或 936（GBK）；
• 或在 Python 中：pd.read_csv("data.csv", encoding="gbk")；
• 导出给他人时，建议统一保存为 UTF-8 with BOM，Excel 可直接正确打开。

六、变量命名规范

导出后建议重命名变量，便于分析：

• 用英文短名 + 题目编号：JS1、JS2（工作满意度第 1、2 题）；
• 反向题加后缀：JS3_R；
• 维度前缀一致：JS_、OC_、TI_；
• 人口学变量：gender、age、edu；
• 不要在变量名里用空格、中文、特殊符号。

同时建立一份编码手册（codebook），记录每个变量的名称、题目原文、编码规则、缺失值定义。这是团队合作和复现分析的基础。

七、导入 SPSS / R / Python 的注意点

• SPSS：导入 CSV 时指定分隔符和编码；分类变量设为"名义"，有序变量设为"有序"；
• R：read.csv(..., fileEncoding = "GBK")，注意 check.names = FALSE；
• Python：pd.read_csv(..., encoding="utf-8-sig") 可处理 BOM。

常见错误

1. 把"非常同意"等文字直接当数值算均值；
2. 多选题合并文本未拆分就做频数；
3. 缺失值 99 未替换，导致均值被严重拉高；
4. 长数字（学号、手机号）被 Excel 转成科学计数法；
5. 导入后行数对不上，却没核对；
6. 直接修改原始导出文件，导致无法回溯。

小结

导出数据的第一原则是"保留原始文件，另存分析文件"。编码统一、缺失值明确、变量命名规范、编码手册齐全，后面的清洗和分析才能顺利复现。