三招揪出問卷中的李鬼_數據分析_大數據

相信許多做個調查報告的人都會有這樣的問題——問卷的不真實使得數據分析不能。但是如果能在問卷整理的時候就及時發現問題，那么你就不會在deadline的前夜被劣質的數據折磨的如此狼狽不堪?，F在，我"數據分析師"分享一下數據抓鬼的三班斧，一來能幫你審核數據、辨識真假，使得從統計秘籍上學來的分析招數能有用武之地；二來也能間接自律一下前線的調研，順便整治一下市調行業的不良之風。
 第一招：設置同質題目，一個問題，多處提問。
      同質題目是指一個問題在問卷中設置兩種問法，對一個受訪者訪問兩次，只要這兩個答案不一致，哈哈虛假數據！比如：年齡和身份證號碼一起問，小孩的年齡與年級一起問。還有就是利用態度量表，設計正反問法。例如在一份測度啤酒消費習慣的態度量表中，問題1是：“我很喜歡喝啤酒”和問題5是“要不是應酬的需要，我絕對不喝啤酒”一對同質問題，設置“非常符合、比較符合、不太符合、與表述相反” 并賦值“1、2、3、4”。當某個案，問題1與問題5的選項之和超出【4，6】的范圍，我們可以判定是虛假個案。比如：問題1選1，問題5選2，兩者相加得分為3；問題1選3，問題5選4，兩者相加得分為7。3分和7分都超出了所能容忍的范圍，判處該個案死刑。
 第二招：測度選項比例，判定虛假。
    一般來說，數據分析師通過分析每一份個案中同一選項的比例，可以發現虛假數據。比如，在某個30道題目的調查問卷中，某選項的比例超過70%，比如70%的選項全是C，則可將該份問卷判定為虛假問卷。同理，通過計算某個訪問員所有調查問卷中選項的比例，如果某一項的比例超過閥值，則可以認定該訪問員造假。那么不要手軟，堅決對該訪問員判死刑。
 第三招：測度總分分布，衡量整體質量。
    這里重點介紹如何通過測度數據的分布，來判定調查問卷數據的可靠性。以滿意度調查為例。數據分析師在對數據量表量化之后，可以計算出每個個案所有量表的總分。比如，一共有30題，每題的得分范圍為1-10分。那么總分的理論取值范圍就是30-300。如果我們一共收集了500份問卷，那么就應該有500個總得分。理論上講，一項服務的滿意度應該服從正態分布。因為大多數被訪者的評價應該差不多，高分和低分的評價應該比較少。當然，這只是經驗判斷。那么現在我們來看，調查結果的總得分分布，如果接近正態分布，則可以說明該調查數據是可信的。如果數據遠遠偏離正態分布，則認為該數據存在比較嚴重的質量問題。這樣任何分析都是沒有意義的，應該對本次調查判死刑。
招外招：記錄填寫時間，越短越可疑。
    最后，分享一個招外招。如果你做的是網絡調查，那么這一招很管用，堪稱絕招。具體做法就是系統自動記錄用戶的答題時間。如果用戶答題所用的時間很短，則認為該用戶純粹是在騙獎品。如果你們的服務器很牛b，牛b到可以記錄被訪者填寫每一道題目的時間耗費，那么縱然李鬼潛伏的再深，也得乖乖束手就擒。cda數據分析師培訓