在调查问卷设计完成后，我们并不能立即发出，要行一个初步检查的环节，那么，在这个过程中，要如何对数据录入进行初步检查呢?

任何人都不可高估自己的注意力，为了避免错误地键入数据，检查是必要的。

好的做法是每输入一个被试的数据，随即检查一遍，然后才输人下一个被试数据。诚然，如果是通过网络问卷，则没有这个问题。数据完成输人后，可以对每个变量做一些简单的计算和描述统计，检查是否有异常的被试、变量和数值。 例如， 如果某个被试在每个题目的得分都相同或者呈现很规律的模式，则是不合作的被试，应当剔除;又如，如果题目得分的大或小值出现在预设范围之外，需要去检查相应的被试及其原因。对于检查无误的原始数据，如果所用量表存在反向计分的题目，需对反向题进行重新编码。

问卷数据中通常一个题目就是一个变量，如果有被试对某个题目没有作答，相应的变量就存在缺失值，需要处理。缺失类型有三种：随机缺失(MCAR)、随机缺失(MAR)、非随机缺失(NMAR)。MCAR指某个变量X缺失的概率与其本身和研究中的其他变量都无关。MAR指某个变量X缺失的概率与研究中的某个或者某些变量有关，但与X本身无关。NMAR指某个变量X缺失的概率与X本身的取值有关(可能与其他变量也有关)。

对于数据，缺失数据是可以忽略的，简单地将有缺失的被试删除(列删法，listwise) 就可以了，但样本容量只能算删除之后的。对于数据，如果弓|起缺失的变量与要估计的参数无关，则缺失数据也是可以忽略的。缺失种类不明的时候，只要缺失数据很少(如5%之内)，删除有缺失的被试通常影响不大。

另外，不少统计方法对变量有正态性假设，因而需要分布检验。 好在不少基于正态分布的统计方法都有一定的稳健性，除非数据严重非正态(偏态系数或峰态系数的**值过10)，否则数据非正态对结果的影响通常不大。如果数据严重非正态，要考虑样本是否具有代表性，若样本无代表性，则分析结果不能推论到样本以外的情形。若样本有代表性，在后续统计分析时，要注意估计方法的选择。

以上就是检查时需要注意的问题了，大家清楚了吗?