資料整理與檢誤經驗談—以SPSS程式進行邏輯檢查
蘇婉雯
[原文刊載於SRDA學術調查研究資料庫通訊第3期，2002.12]
邏輯檢誤相較於不合理值檢誤要來的更複雜、費事，也更需要研究者的專業知識。邏輯檢誤，主要是檢查受訪者在通篇問卷的答案是否前後一致、是否合理。藉由這道檢查，找到數據資料的可疑之處，進而修改之。例如：某人回答目前的信仰為「佛教」，但回答最常求助的神職人員為「神父」；某人回答年齡為「25歲」，回答親生子女就讀學校卻為「XX大學」；某人性別為「男」，應跳過生育經驗不需作答，卻回答了生育第一胎的年齡為30歲。像這些狀況，都需要翻查原始問卷，查看是否因鍵入錯誤而產生的不合理現象。
一般而言，邏輯檢誤所發現的錯誤答案，可能源自：
1.
問卷設計不明確，未將跳題或續答之相關敘述標明清楚，而導致訪員或受訪者答題時失誤。
2.
受訪者的失誤。如：誤解題意、記憶模糊、精神狀態不佳、蓄意隱瞞等。
3.
訪員的失誤。如：弄錯限答對象、應跳問卻沒有跳問、填錯格子、寫錯答案等。
4.
過錄員的失誤。如：誤填跳答碼、填錯過錄格、寫錯過錄碼等。
5.
輸入員的失誤。如：看錯格子或代碼、按錯輸入鍵(通常以正確鍵前後左右四個鍵最常誤觸) …等。
進行「邏輯檢誤」時，覆查問卷的工作相當費神，查核者往往需要前後對照數道題目。如果能盡量減少這個階段需要查驗的變項，將會是比較有效率的作法。因此，檢誤工作比較理想的方式是先做「不合理值檢誤」，再做「邏輯檢誤」(「不合理值的檢誤」請參考第二期內容)。不合理值檢誤能夠先確立每一個變項的數據皆落在合理範圍內；也就是說，理想上，可以去除大半的書寫及鍵入錯誤；此時，再做邏輯檢誤，可以比較專注於真正邏輯問題的查驗，較有效率。
邏輯檢誤通常需要同時考量兩題以上的答題情形，以判斷合理的邏輯；但為了簡化複雜的情形，最常見的做法是兩兩考量，如果還需要第三題合併考量，再慢慢加進來。需要邏輯檢誤的情形包羅萬象，最重要的是，檢誤者需要先對問卷結構與內涵、受訪者特性有深入瞭解之後，再依照需要設計程式檢誤。職是之故，唯有原問卷設計的研究人員最清楚該檢誤的邏輯，二手資料蒐集者及使用者是很難進行這部份的工作。在此將邏輯檢核分成三類型來說明。第一種類型是跳/續答邏輯檢核，依據問卷的跳題設計來檢驗受訪者或是訪員是否跳答正確；第二種類型是一般邏輯檢核，用來檢驗受訪者在問卷題目中前後的答案是否一致；第三種類型是複選題的邏輯檢核，用來檢查複選題選項之間的邏輯關係等。
依據變項屬性的不同，我們分別介紹「類別變項」對「類別變項」以及「類別變項」對「連續變項」的處理方式。
TABLE1.問卷題目範例一
題號
|
變項名稱
|
變項說明
|
選項數值說明
|
|
5
|
V5
|
請問您的婚姻狀況
|
1.未婚/同居(跳答第8題)
2.已婚/分居 8.拒答
3.離婚/喪偶 9.missing
|
|
6
|
V6
|
請問您是在哪一年結婚的？民國___年
|
0. 不適用
98.拒答
99.missing
|
|
7
|
V7
|
請問您配偶是哪裡人？
|
1.本省人
2.外省人
3.原住民
4.其他
|
8.拒答
9.missing
0.不適用
|
(一)「類別變項」對「類別變項」
交叉列聯表：將交叉列聯表中前後不合理邏輯的域值挑出。
步驟一：執行交叉列聯表程式
【自撰語法】
CROSSTABS TABLES= v7 BY v5.
【點選選單】
Analyze →
Descriptive Statistics →
Crosstabs → 選擇變項(row:v5
column:v7)
在此例中，可以輕易地發現部分選項數值未定義，這些數值就是不合理值，應在邏輯檢查之前先排除掉。本例的跳／續答邏輯中，應該挑出V5.婚姻狀況回答(2.已婚/分居)或(3.離婚/喪偶)者，其V7.詢問配偶狀況時應續答而未續答者。
步驟二：從交叉列聯表中找出不合邏輯的值域，配合語法找出樣本編號
【自撰語法】
temporary.
select if
any(v7,0) and any(v5,2,3).
list id v5 v7.
執行結果，列出下面資訊：
ID
V5 V7
1103
2 0
|
【點選選單】
Data → Select Cases → If
condition is satisfied → any(v5,2,3) and any(v7,0) → 設定不合格樣本
處理方式 (filtered or deleted)
Data → Sort Cases → 選擇上述filter的新變項 將資料排序，檢查DATA VIEW視窗中的資料內容
FIGURE1. 點選選單篩檢條件，經排序後DATA VIEW所顯示的結果
續答與跳答是經常同時存在的兩個相對應的邏輯，以此例為例，亦應檢查V5.婚姻狀況回答(1.未婚)者，其V7.詢問配偶狀況時應跳答(0.不適用)而未跳答者。
在SPSS中，需關係運算符號時，可以使用下列三種語法：
1. any(varname, value1, value2,...)
2. varname = value1 , varname ~= value2, varname > value3,
varname < value4, varname >= value5, varname <= value6
3. varname eq value1 , varname ne value2 , varname gt
value3, varname lt value4, varname ge value3, varname le value4
第一種語法可以同時選用多個數值，而省去每個數值撰寫而使程式長而不容易檢查錯誤。第二種語法與第三種語法所代表的意義是相同的。這三種語法可以依需要與習慣混合使用。就上面所提到的跳答邏輯，就可以有下面的兩種寫法：
temporary.
select if v5=1
and any(v7,1,2,3).
list id v5 v7.
或
temporary.
select if
v5=1 and v7~=0.
list id v5 v7.
邏輯運算符號"and"也可以寫成"＆"，"or"也可以寫成"|"。關係運算符號與邏輯運算符號可以完全依照個人習慣來使用。
另外，利用變項間數值的對應關係，將變項排序後可以找出不相符的個案。但是當樣本數較大或檢核連續變項時，則不建議使用。接下去的檢查，將介紹語法的撰寫，視窗的點選不再另外說明。
(二)「類別變項」對「連續變項」
當樣本數較大或連續變項數值分佈較廣時，為避免執行crosstab的結果表格太大，建議直接以語法設定邏輯運算關係以進行檢核。因此，以下範例省略交叉列聯表結果。「連續變項」對「連續變項」亦建議以下列語法直接進行檢核。
【自撰語法】
crosstab
v6 by v5. (交叉列表結果略)
temporary.
select
if v5=1 and v6~=0.
list
id v5 v6.
temporary.
select
if any(v5,2,3) and v6=0.
list
id v5 v6.
執行結果，列出下面資訊：
ID
V5 V6
1147 1 67
ID
V5 V6
1114 2 0
|
二、一般邏輯檢核
一般變項邏輯的檢核，意指檢查受訪者對問卷中具相關性的問題，是否有一致的回答。例如詢問家中是否有電腦，以及在什麼地點使用網際網路，若受訪者先回答家中沒有電腦，不應再回答主要使用網際網路的地點在家裡。一般變項間的邏輯是較難檢驗的，通常需要瞭解整份問卷的設計以及填答方式，才能夠掌握所有變項間的邏輯關係。一般邏輯檢核的方式與跳答邏輯檢核的方式大致上相同。下列介紹以交叉列聯表檢核「類別變項」對「類別變項」；及利用新建變項檢核「連續變項」對「連續變項」兩種。
(一)「類別變項」對「類別變項」
TABLE 3. 問卷題目範例二
題號
|
變項名稱
|
變項說明
|
選項數值說明
|
|
9
|
V9
|
請問您家中是否有電腦設備？
|
1.是
2.否
|
8.拒答
9.missing
|
10
|
V10
|
請問您大部分都是在什麼地點使用網際網路？
|
1.家中
2.公司
3.親朋好友或同學家
4.網咖
|
5.不會/沒有在上網
6.其他
8.拒答
9.missing
|
【自撰語法】
crosstabs tables v10 by v9.
在此例中，V9.答家中無電腦者，v10中不應出現在家裡上網，因此需列出這些不合邏輯者受訪者，進一步查詢內容。
【自撰語法】
temporary.
select if any(v9,2) and any(v10,1).
list id v9 v10.
列出結果如下：
ID
V9 V10
1147
2 1
1183
2 1
1156
2 1
1182
2 1
1133
2 1
1134
2 1
1149
2 1
1105
2 1
1191
2 1
1203
2 1
1218
2 1
|
(二)「連續變項」對「連續變項」
對兩連續變項進行數學運算產生新變項，再界定新變項的範圍，藉以挑出不合理值及樣本編號。
TABLE 5. 問卷題目範例三
題號
|
變項名稱
|
變項說明
|
選項數值說明
|
2
|
V2
|
請問您是在哪一年出生的？民國____年
|
98.拒答
99.missing
|
.(略).
|
.(略).
|
(略)
|
(略)
|
6
|
V6
|
請問您是在哪一年結婚?民國____年
|
0.不適用
98.拒答
99.missing
|
【自撰語法】
compute v6_2=v6-v2.
temporary.
select if v6_2<=15 and v6~=0.
list id v2 v6 v6_2.
列出結果如下：
ID V2
V6 V6_2
1182 68
83 15
1184 69
84 15
1122 75
90 15
1214 75
90 15
1169 68
80 12
1128 54
32 -22
|
【點選選單】新建變項
Transform →
Compute → 定義Target Variables → 設定變數邏輯關係(v6_2=v6-v2)
Data → Select Cases → If
condition is satisfied → 設定v6_2<=15→ 設定不合格樣本處理方式 (filtered or deleted)
Data → Sort Cases → 選擇上述filter的新變項 將資料排序，檢查DATA VIEW視窗中的資料內容
三、複選題組的檢查
複選題組的檢查是進階級的資料整理工作，運用上面提過的方式，在比較複雜的邏輯中使用。常見的複選題邏輯可以簡單的分為兩類：一種是複選題題組的不合理值檢查，另一種是複選題組的邏輯檢查。接下來就直接舉例介紹。
TABLE.6 問卷題目範例四
題號
|
變項名稱
|
變項說明
|
選項數值說明
|
一
|
A1
|
請問您是否聽說過中央研究院調查研究工作室「學術調查研究資料庫」？
|
(1) 是(續答第二題)
(2) 否(跳答第二十題)
(9) missing
|
二、請問您最初是從何處得知本室資料庫？(可複選)
|
|||
(1)
|
A2.1
|
中央研究院週報
|
(1) 是
(2) 否
(8) 跳答
(9) missing
|
(2)
|
A2.2
|
網際網路(WWW)
|
|
(3)
|
A2.3
|
本室出版品(「調查研究」等)
|
|
(4)
|
A2.4
|
學術論文會議上
|
|
(5)
|
A2.5
|
學校課堂上
|
|
(6)
|
A2.6
|
同學或朋友
|
|
(7)
|
A2.7
|
執行國科會研究計畫
|
|
(8)
|
A2.8
|
其他(請說明)
|
|
《過錄說明》
本題組中，第一題中回答"1.是"者，需續答第二題；回答"2.否"者，第二題全數為"8.跳答"；未回答者，過錄為"9.missing"，第二題亦全為"9.missing"。"
需回答第二題者(第一題回答"1.是"者)，有勾選之題目過錄為"1.是"，未勾選過錄為"2.否"，至少應勾選一小題。未勾選(1)-(7)題者，應勾選第(8)題。但(1)-(7)題有勾選者，仍可勾選第(8)題。全數未填答者，則應過錄為"9.missing"
(一) 複選題題組的不合理值檢查
在資料整理時應先就第二題(1)-(8)小題的資料進行不合理值檢查。光就第二題，可以整理出下列三條邏輯：
1. 至少要有一題回答1，不可全為2。(題目設計(8)與(1)-(7)互斥)
2. 需跳答者，應全數跳答；資料遺漏者，應全數遺漏。
3. 選項(1,2)與選項(8,9)應為互斥。(跳／續答邏輯)
在此特別說明，若將數值設為系統遺失值(system missing)，SPSS邏輯語法篩選資料時，將略過系統遺失值的運算以及與其他數值的比對，因此篩選時宜取消系統遺失值的設定。以下說明如何挑出第二題的八小題全數回答 "2.否"
(選項8.與選項1.-7.有互斥的設計)者，利用在上面介紹過的邏輯語法，將變項與條件一個個串接起來。
【自撰語法】
/*挑出第二題的八小題全數回答 "2.否" */
TEMP.
SELECT
IF A2.1=2 and A2.2=2 and A2.3=2 and A2.4=2 and A2.5=2 and A2.6=2 and A2.7=2 and
A2.8=2.
LIST
ID A2.1 TO A2.8 .
列出結果
ID A2.1 A2.2 A2.3
A2.4 A2.5 A2.6 A2.7 A2.8
|
495 2 2
2 2 2
2 2 2
|
題目數與邏輯條件越多，逐一撰寫語法隨之多而且容易遺漏。在這裡利用新建變項的方式，將複選題組轉換成單純的幾個變項，在其後的檢查都可以利用。
【自撰語法】
/*依據邏輯第1,2條，過錄題組依據其邏輯轉成單一變項a2，未符合邏輯者，a2=0*/
COMPUTE
A2=0.
IF
(A2.1=1|A2.2=1|A2.3=1|A2.4=1|A2.5=1|A2.6=1|A2.7=1|a2.8=1) A2=1.
IF
(A2.1=8 & A2.2=8 & A2.3=8 & A2.4=8 & A2.5=8 & A2.6=8 &
A2.7=8 & A2.8=8) A2=8.
IF
(A2.1=9 & A2.2=9 & A2.3=9 & A2.4=9 & A2.5=9 & A2.6=9 &
A2.7=9) A2=9.
/*依據邏輯第3條，挑出在八題中任一位置出現8與9的數值，轉成單一變項A2a=88與99*/
COMPUTE
A2a=0.
IF
(A2.1=8 | A2.2=8 | A2.3=8 | A2.4=8 | A2.5=8 | A2.6=8 | A2.7=8 | A2.8=8) A2a=88.
IF
(A2.1=9 | A2.2=9 | A2.3=9 | A2.4=9 | A2.5=9 | A2.6=9 | A2.7=9) A2a=99.
/*挑出不符合邏輯第1,2條的資料*/
temp.
select if a2=0.
list id a2 a2.1 to a2.8.
(結果一)
/*挑出不符合邏輯第3條的資料*/
temp.
select if a2=1 and (a2a=88 |a2a=99).
list id a2 a2a a2.1 to a2.8.
(結果二)
結果一：不只列出全為2的資料，也列出其他邏輯錯誤的情形
LINE 1: ID A2 A2.1 A2.2
A2.3 A2.4 A2.5
LINE 2: A2.6 A2.7 A2.8
ID: 379
.00 8 2 2 2 2
A2.6: 2 2 2
ID: 495
.00 2 2 2 2 2
A2.6: 2 2 2
ID: 875
.00 8 8 8 8 8
A2.6: 8 8 9
結果二：列出1與(8,9)同時存在的資料
LINE 1: ID A2 A2A A2.1 A2.2 A2.3 A2.4
LINE 2: A2.5 A2.6 A2.7 A2.8
ID: 9998 1.00
88.00 8 1
2 2
A2.5: 2
1 2 2
ID:
2829 1.00 99.00
2 9 2 2
A2.5: 2
2 1 2
SPSS的報表中變項數超過一行時，將在報表前以line 1, line 2等標明每一行中變項出現的次序。由上面這兩種撰寫方式的結果比較起來，利用新建變項再撰寫邏輯語法，可以同時檢查好幾個邏輯問題，不需逐一撰寫。這樣的檢查工作，才能確切檢查複選題組中是否包含不合理值，應在進行下一個跳／續答的複選題組檢查前先進行。
(二)跳／續答的複選題組的檢查
以挑出第一題回答 "1.是"者，第二題的八小題中，不該出現"8.跳答"(跳／續答之後的複選題組)；第一題回答 "2.否"者，第二題的八小題中，應全數為 "8.跳答"，而不該出現"1、2、9"為例子；第一題為遺漏者，第二題的八小題中，應全數為 "9.跳答"，而不該出現"1、2、8"為例子。
【自撰語法】
temp.
select
if a1=1 and a2~=8.
list
id a1 a2 a2.1 to a2.8.
(結果一)
temp.
select
if a1=2 and a2~=8.
list
id a1 a2 a2.1 to a2.8.
(結果二)
temp.
select if a1=9 and
a2~=9.
list id a1 a2 a2.1 to
a2.8.
(結果三)
結果一：列出第一題選1而第二題不該跳答卻跳答者，以及在前一步驟就應挑出的不合理值。
LINE 1: ID A1 A2 A2.1 A2.2 A2.3 A2.4
LINE 2: A2.5 A2.6 A2.7 A2.8
ID: 2465
1 8.00 8 8
8 8
A2.5: 8 8
8 8
ID: 379
1 .00 8
2 2 2
A2.5: 2 2
2 2
ID: 495
1 .00 2
2 2 2
A2.5: 2 2
2 2
結果二：列出第一題選2而第二題該跳答卻未跳答者，以及在前一步驟就應挑出的不合理值。
LINE 1: ID A1 A2 A2.1 A2.2 A2.3 A2.4
LINE 2: A2.5 A2.6 A2.7 A2.8
ID: 2583
2 1.00 1 2 1 2
A2.5: 2 2
2 2
ID: 875
2 .00 8 8 8 8
A2.5: 8 8
8 9
結果三：列出第一題為遺漏值，而第二題亦應為遺漏但卻出現其他答案者。
LINE 1: ID A1 A2 A2.1 A2.2 A2.3 A2.4
LINE 2: A2.5 A2.6 A2.7 A2.8
ID: 1229
9 8.00 8
8 8 8
A2.5: 8 8
8 8
ID: 2350
9 1.00 2
2 2 2
A2.5: 2 1
2 2
留言
張貼留言