使用Python進行資料整理 – 初探Pandas

-

李孟諵

資料整理是資料分析和建模前的準備工作，包括資料的讀取、檢核、修改、重新編碼和合併等。市場上有不少專為量化研究所設計的商業軟體，例如：SPSS、SAS和Stata等，都能進行這項任務，但共通問題是價格所貲不菲。因此，有些人轉向使用開源軟體，其中，具資料整理功能的代表軟體就是「R」。近年來，隨著資料科學[1]（Data Science）一詞廣泛被討論，另一套追求開源精神的程式語言Python，因第三方函式庫[2]（library）Pandas日漸成熟，使其在資料整理的功能上也逐漸受到關注。因此，為了使大家更容易了解Pandas在調查資料的運用，本文以一個符合調查資料結構的小資料表，藉由調查資料的整理過程，來介紹所使用的函式以及說明程式碼和輸出結果。

一、Python簡介
Python一個開源、簡潔、易讀的程式語言──由Guido van Rossum創建，於1991年首次發布，設計哲學為「優雅」、「明確」、「簡單」，其直譯式[3]、易擴充和跨平台的特性，加上豐富多元的第三方函式庫和社群，使其在各種程式應用上都能看見它的身影，例如：網頁開發、系統管理、資料處理、科學計算，以及近年熱門的機器學習和深度學習等。在近期的TIOBE指數[4]和KDnuggets調查[5]都有不錯的熱門度。

二、Python環境安裝
由於跨平台的特性，Windows、Mac和Linux系統都能安裝。一般從Python原生環境加上所需的函式庫到整合開發環境（Integrated Development Environment，簡稱IDE）[6]，對初學者來說安裝就是一個挑戰，因此建議直接下載「Anaconda」（號稱Python資料科學懶人包）來安裝，優點是安裝簡單，只需點選「下一步」即可，缺點是有些函式庫可能用不到，會佔據太多磁碟空間。安裝步驟可參考官網說明，惟補充兩個安裝時會遇到的問題（以Windows為例），第一個是環境變數（PATH environment variable）的選擇（如圖一），主要作用在於透過命令提示字元（cmd.exe）呼叫Python或相關程式時，是否需指引到絕對路徑。Anaconda官方建議可不勾選，而是透過Anaconda Navigator、Anaconda Prompt或Windows開始鈕來開啟IDE。




圖一 選擇是否添加環境變數

另一個問題則是可選擇是否安裝VSCode（Visual Studio Code）（如圖二），這是Anaconda從5.1版本開始內含的微軟跨平台IDE；此外，也含部分函式庫需要用到的微軟套件。


圖二 選擇是否安裝VSCode

以上兩個問題都依個人使用習慣自行決定，不論是否設定環境變數或有沒有安裝VSCode都不影響後續的操作。目前Python有2.x[7]和3.x版，其中一個差異就是Python2是ASCII編碼，Python3是Unicode編碼，因此，讀取資料時要留意原資料的編碼格式，才不會出現亂碼。至於版本選擇上，除非要沿用2.x版開發的環境，不然建議可直接從3.x版開始。

三、Pandas資料結構
Pandas是Python的資料分析函式庫，從2009年底開放原始碼，提供簡易使用的資料結構和分析工具，讓分析人員可以快速方便的處理結構化資料。要使用Pandas之前，先瞭解兩個主要資料結構：
（一）Series
是一維標籤陣列（array），能夠保存任何資料類型（整數、字符串、浮點數等）。
（二）DataFrame
是一個二維標籤資料結構，可以具有不同類型的行（column），類似Excel的資料表，對於有使用過統計軟體的分析人員應該不陌生。
簡單來說，Series可以想像為一行多列（row）的資料，而DataFrame是多行多列的資料，藉由選擇索引（列標籤）和行（行標籤）的參數來操作資料，就像使用統計軟體透過樣本編號或變項名稱來操作資料。

四、Pandas在資料整理的運用
操作環境為Windows7 64位元之Anaconda3 5.3.1版（內含Python 3.7版和Pandas 0.23.4版），並使用Anaconda內建的Jupyter Notebook來當IDE。相關檔案（問卷、過錄編碼簿、程式碼和資料檔）可於SRDA網站「課程講義」下載。
（一）開啟Jupyter Notebook
Jupyter Notebook是一個開源Web應用程式，藉由互動式輸入和輸出來進行開發。開啟的方式可用命令提示字元呼叫（如圖三）。


圖三 用命令提示字元呼叫Jupyter Notebook


或是Windows程式集可用點選的方式開啟（如圖四）。


圖四 Windows程式集點選

Jupyter Notebook啟動後，點選右上角「New」再點選「Python 3」（如圖五），即可進入編輯頁面。由於本文非Jupyter Notebook操作教學，若想瞭解更多可參考文末的網路資源「政大蔡炎龍老師線上課程」。


圖五 點選右上角Python 3


（二）載入函式庫
當IDE開起後，起手式就是利用import來載入函式庫。

# 載入函式庫
import pandas as pd
pd.__version__ #查看版本

說明：為保持程式碼簡潔，會利用「pd」簡寫來代替pandas全名。（以下提到pd就是指pandas）

（三）函式（function）介紹
1. 用read_csv()來讀取csv[8]檔
Pandas提供幾個（如CSV、JSON和Excel等）用於將表格型資料讀取為DataFrame的函式。為了完整呈現輸出結果，本文虛擬一個8*10的小資料表，並存成csv檔。

# 讀取csv檔案
df = pd.read_csv("C:/py_pandas/data/SRDA20181107.csv") #請自行依檔案位置調整
df

說明：宣告一個df變數（df為DataFrame簡寫，名稱可自行定義），透過pd的read_csv()函式指定路徑和檔案名稱，放入一個8 * 10的資料表（8個欄位，10筆樣本）物件，輸出df可看出讀取的資料樣貌。

【輸出】
id
sex
age
a1
a2
a3
a4
ka4
0
1001
1.0
43
2
1
1
5
打零工
1
1002
2.0
46
3
1
2
3
NaN
2
1003
1.0
28
1
2
3
5
NaN
3
1004
NaN
25
4
2
4
2
NaN
4
1005
2.0
77
2
9
5
1
幫家裡做家庭代工
5
1006
2.0
55
3
3
6
3
NaN
6
1006
3.0
60
2
3
7
5
育嬰假
7
1008
NaN
18
1
4
8
4
NaN
8
1009
1.0
15
2
4
9
4
NaN
9
1010
2.0
65
2
9
10
3
NaN

輸出說明：
1. 第一行0到9為列標籤（索引值），第一列id到ka4為行標籤（變項名稱）。
2. python預設起始值是從0開始。
3. sex變項非純數字型態，讀取後會顯示小數位。
4. NaN（Not a Number）為預設的遺失資料（missing data）標示。
5. 變項說明與選項數值說明可參考問卷或過錄編碼簿。


2.用duplicated()來檢查重複值
就調查資料而言，通常一筆樣本會編列一組受訪者識別碼，所以，可用duplicated()來檢查id變項是否有重複的樣本編號。

# 檢查樣本編號
cd1 = df.duplicated('id')
df.id[cd1] #僅輸出id變項

說明：
1. 將檢查條件放入cd1變數（cd為condition簡寫）。
2. df為資料表物件，透過duplicated()檢查id變項。
3. 輸出id變項的值，並帶入cd1的條件。

【輸出】
6    1006
Name: id, dtype: int64

輸出說明：從輸出結果得知，索引值6有重複值情形，為第二筆id變項為1006的數值。

# 補充：亦可整合成一列程式碼，差別在於有沒有把條件存成物件。（當條件存成物件，可方便隨時調用。）
df.id[df.duplicated('id')]


3.用isna()來檢查遺漏值
調查資料可能會出現未填答或漏建的情形，可用isna()來檢查指定變項是否出現遺漏值。本文以sex變項為例。

# 檢查遺漏值/缺失值(missing value/ data)
cd2 = df['sex'].isna()
df.sex[cd2] #僅輸出sex變項

說明：
1. 將檢查條件放入cd2變數。
2. df為資料表物件，指定sex變項透過isna()來檢查。
3. 輸出sex變項的值，並帶入cd2的條件。

【輸出】
3   NaN
7   NaN
Name: sex, dtype: float64

輸出說明：從輸出結果可以知道，sex變項有兩筆NaN，分別為索引值3和7。


4.用isin()來檢查特定值
處理調查資料時，需要透過特定值來過濾資料，這時候可以用isin()來檢查指定變項是否包含特定值。

(1)檢查特定樣本編號
經duplicated()檢查，已得知樣本編號1006出現重複情形，接著我們可以將1006帶入isin()。

# 檢查特定樣本編號
cd3 = df['id'].isin([1006])
df[cd3] #輸出整筆資料

說明：
1. 將檢查條件放入cd3變數。
2. df為資料表物件，指定id變項透過isin()檢查1006值。
3. 輸出df資料表，並帶入cd3的條件。

【輸出1】
id
sex
age
a1
a2
a3
a4
ka4
5
1006
2.0
55
3
3
6
3
NaN
6
1006
3.0
60
2
3
7
5
育嬰假

# 補充1：依檢查需求，也可僅輸出id變項。
df.id[cd3] #僅輸出id變項

【輸出2】
5    1006
6    1006
Name: id, dtype: int64

輸出說明：id變項有兩筆1006數值的樣本，其索引值分別為5和6，可從其他變項來判斷是否為同一筆樣本或是鍵入錯誤。

# 補充2：亦可整合成一列程式碼
df[df['id'].isin([1006])]

# 補充3：或是結合其他函式，如duplicated()
df[df['id'].isin([df.id[df.duplicated('id')]])]

補充3說明：列出此段程式碼，主要目的在於表示程式碼撰寫的彈性（可一列、可多列或存成物件），當然，撰寫時還是以易讀好維護為主。

(2)檢查類別變項
簡單來說就是受訪者的特徵或答案可以分門歸類，例如：受訪者性別或詢問意向等。可以透過isin()來檢查該變項中是否出現未定義的數值，例如：sex變項的選項(1)代表男、(2)代表女，所以超出這兩個值就是未定義的數值。

# 檢查類別變項
cd4 = ~df['sex'].isin(['1', '2'])
df[cd4] #輸出整筆資料

說明：
1. 將檢查條件放入cd4變數。
2. df為資料表物件，指定sex變項透過isin()檢查不包含1和2的值。
(1)特別注意，當在最前方加上「~」符號，即表示為「不」。
(2)只要整行不是全部數字，資料會是文字（string）格式存放，因此特定值需要加上上引號「'」表示文字型。
3. 輸出df資料表，並帶入cd4的條件。

【輸出】
id
sex
age
a1
a2
a3
a4
ka4
3
1004
NaN
25
4
2
4
2
NaN
6
1006
3.0
60
2
3
7
5
育嬰假
7
1008
NaN
18
1
4
8
4
NaN

輸出說明：sex變項有三筆不在1和2的範圍，分別是一筆3的數值和兩筆NaN。

# 補充：亦可一列程式碼表示
df[~df['sex'].isin(['1', '2'])]


(3)題目間關聯性
調查問卷有時會設計跳續答或開放題，檢查時，可將多個條件集合起來。

a. 檢查跳續答
依照問卷設計a1變項回答(4)無法選擇，a2變項要跳答。因此邏輯上，當a1變項回答4，a2變項卻不是9（跳答碼）；而當a1變項不是回答4，a2變項卻回答9。我們可以透過這個邏輯，把錯誤的答案挑出來。

# 檢查跳續答
cd5 = ((df['a1'].isin(['4']) & ~df['a2'].isin(['9'])) |
      (~df['a1'].isin(['4']) & df['a2'].isin(['9'])))
df[cd5] #輸出整筆資料

說明：
1. 將檢查條件放入cd5變數。
2. 布林運算子「|」符號為or的意思；「&」符號為and的意思。
3. 為了易讀性可寫成兩列，第一列程式碼表示，當a1變項為4，a2變項不為9；第二列程式碼表示，當a1變項不為4，a2變項為9。再將第一和第二列條件透過「()」和「|」放入cd5變數。
4. 輸出df資料表，並帶入cd5的條件。

【輸出】
id
sex
age
a1
a2
a3
a4
ka4
3
1004
NaN
25
4
2
4
2
NaN
4
1005
2.0
77
2
9
5
1
幫家裡做家庭代工
9
1010
2.0
65
2
9
10
3
NaN

輸出說明：從輸出結果可看出有3筆不符問卷跳續答設計，如1004樣本a1變項回答4，a2變項的答案卻是2不是9；再如1005樣本a1變項回答2，a2變項的答案卻是9而不是其他選項數值。

b. 檢查開放題
依照問卷設計a4變項回答(5)其他，ka4變項要鍵入文字。因此邏輯上，當a4變項回答5，ka4變項卻無資料(NaN)；而當a4變項不是回答5，ka4變項有鍵入文字。我們可以利用這個邏輯挑出錯誤的答案。

# 檢查開放題
cd6 = (((df['a4'] == 5) & (df['ka4'].isna())) |
      ((df['a4'].isin([1, 2, 3, 4])) & (df['ka4'].notna())))
df[['id', 'a4', 'ka4']][cd6] #輸出id、a4和ka4變項

說明：
1. 將檢查條件放入cd6變數。
2. 比較運算子「==」兩個等號為相等的意思。
3. 第一列程式碼表示，當a4變項為5，ka4變項卻沒資料；第二列程式碼表示，當a4變項不為5，ka4變項卻不是沒資料。將第一和第二列條件透過「()」和「|」放入cd6變數。
4. 輸出df資料表的id、a4和ka4變項，並帶入cd6的條件。

【輸出】
id
a4
ka4
2
1003
5
NaN
4
1005
1
幫家裡做家庭代工

輸出說明：從輸出結果可看出有2筆不符開放題設計，如1003樣本a4變項回答5，ka4變項卻沒鍵入文字，而1005樣本a4變項回答1，ka4變項卻確有鍵入文字。


5.用between()來檢查區間值
當變項的數值很多時，不適合用isin()來檢查，可採用between()來檢查區間值，如年齡、身高和收入等連續型變項。

# 檢查連續變項
cd7 = ~df['age'].between(18, 65)
df.age[cd7] #輸出age變項

說明：
1. 將檢查條件放入cd7變數。
2. 檢查age變項值域不在18到65範圍內的值。（預設是不包含設定本值）
4. 輸出df資料表的age變項，並帶入cd7的條件。

【輸出】
4    77
8    15
Name: age, dtype: int64

輸出說明：有兩筆年齡不在18到65歲之間，一筆是15歲，另一筆是77歲。


6.用loc[]修改資料
當資料檢查完成也確認後，接著進行資料的修改。

(1)利用索引值（index）
假設翻閱問卷後，確認樣本編號1007誤鍵為1006，可利用loc[]鎖定索引值並調整指定變項的內容。

# 利用索引值修改資料
df.loc[6, 'id'] = 1007
df.id　#輸出id變項

說明：
1. 指定索引值6並將id變項資料改為1007。
2. 輸出df資料表的id變項。

【輸出】
0    1001
1    1002
2    1003
3    1004
4    1005
5    1006
6    1007
7    1008
8    1009
9    1010
Name: id, dtype: int64

輸出說明：索引值6的id變項資料已改為1007。


(2)利用樣本編號
在翻閱問卷後，得知樣本編號1007的sex變項應為2，可利用樣本編號指定特定值並調整指定變項的內容。

# 利用樣本編號修改資料
df.loc[df['id']==1007, 'sex'] = 2
df[['id', 'sex']] #輸出id和sex變項

說明：
1. 當樣本編號(id)為1007時，sex變項改為2。
2. 輸出df資料表的id和sex變項。

【輸出】
id
sex
0
1001
1.0
1
1002
2.0
2
1003
1.0
3
1004
NaN
4
1005
2.0
5
1006
2.0
6
1007
2.0
7
1008
NaN
8
1009
1.0
9
1010
2.0

輸出說明：可以看到樣本編號(id)1007的sex變項已改為2。


7.用rename()來更改變項名稱
整理資料時，當需要調整變項名稱時，可用rename()來處理。

# 更改變項名稱
df = df.rename(columns={'ka4':'ka4_o'})
df.columns #輸出columns

說明：
1. 重新命名df資料表的columns，並用字典（dictionary）結構｛｝大括號符號框起來，冒號前為原名稱，冒號後為新名稱。
2. 輸出df資料表的columns。

【輸出】
Index(['id', 'sex', 'age', 'a1', 'a2', 'a3', 'a4', 'ka4_o'], dtype='object')

輸出說明：可以看出原ka4變項名稱已改為ka4_o。


8.用replace()重新編碼
當需要對某變項的數值重新編碼時，可使用replace()來處理。

(1)同一變項
在原變項進行重新編碼。假設要將原1和2的數值調整為1，原3和4的數值調整為2，原9數值維持為9。

# 重新編碼：同一變項
df['a2'].replace({1:1, 2:1, 3:2, 4:2, 9:9}, inplace=True) #inplace=True才會寫入
df

說明：
1. 指定df資料表的a2變項進行重新編碼，透過字典結構｛｝大括號符號框起來，冒號前為原數值，冒號後為新數值，再用逗號（,）區分各數值對應情形。
2. 由於預設不會更改資料，需補上inplace=True參數才會寫入資料表。
3. 輸出df資料表。

【輸出】
id
sex
age
a1
a2
a3
a4
ka4_o
0
1001
1.0
43
2
1
1
5
打零工
1
1002
2.0
46
3
1
2
3
NaN
2
1003
1.0
28
1
1
3
5
NaN
3
1004
NaN
25
4
1
4
2
NaN
4
1005
2.0
77
2
9
5
1
幫家裡做家庭代工
5
1006
2.0
55
3
2
6
3
NaN
6
1007
2.0
60
2
2
7
5
育嬰假
7
1008
NaN
18
1
2
8
4
NaN
8
1009
1.0
15
2
2
9
4
NaN
9
1010
2.0
65
2
9
10
3
NaN

輸出說明：經過重新編碼，可以看出a2變項已沒有3和4的數值。

(2)新增變項
當需要對某變項的數值重新編碼，且要保留原變項的資料時，可以先建立一個新變項，再使用replace()來處理。假設a3變項1到5的數值要調整為1，6到10的數值要調整為2，並放到new_a3變項。

# 重新編碼：新增變項
df['new_a3'] = df['a3'].replace({1:1, 2:1, 3:1, 4:1, 5:1, 6:2, 7:2, 8:2, 9:2, 10:2})
df

說明：
1. 指定df資料表建立一個new_a3的變項。
2. 指定df資料表的a3變項進行重新編碼，透過字典結構｛｝大括號符號框起來，冒號前為原數值，冒號後為新數值，再用逗號區分各數值對應情形。
3. 透過等號帶入new_a3變項。
4. 輸出df資料表。

【輸出】
id
sex
age
a1
a2
a3
a4
ka4_o
new_a3
0
1001
1.0
43
2
1
1
5
打零工
1
1
1002
2.0
46
3
1
2
3
NaN
1
2
1003
1.0
28
1
1
3
5
NaN
1
3
1004
NaN
25
4
1
4
2
NaN
1
4
1005
2.0
77
2
9
5
1
幫家裡做家庭代工
1
5
1006
2.0
55
3
2
6
3
NaN
2
6
1007
2.0
60
2
2
7
5
育嬰假
2
7
1008
NaN
18
1
2
8
4
NaN
2
8
1009
1.0
15
2
2
9
4
NaN
2
9
1010
2.0
65
2
9
10
3
NaN
2

輸出說明：可以看出df資料表已新增new_a3變項，其中1和2的數值是來自a3變項重新編碼而來。


以上藉由調查資料的基本整理原理來介紹Pandas的運用，希望能讓大家對於程式語言Python和資料分析函式庫Pandas能有進一步認識。最後，本文只是基礎概念的介紹，對於想了解更多的讀者，提供一些可能會有用的資源：






[1] 是一門利用資料學習知識的學科，基本上需要3個領域：Computer Science（技術能力）、Maths & Statistics（數學能力）和Domain Knowledge（某領域知識）。(取自https://ion.icaew.com/itcounts/b/weblog/posts/theaccountinganddatascienceworldsmeet)
[2] 已包裝好的程式碼，可以直接呼叫取用。可以想像是要組裝一部車子，有廠商提供車輪、引擎和車身的「模組」，不用自己造車輪和引擎！
[3] 程式碼一句一句直接執行，不需經過編譯器先行編譯為機器碼之後再執行。
[4] TIOBE指數是根據網際網路上有經驗的程式人員、課程和第三方廠商的數量，並使用搜尋引擎（如Google、Bing、Yahoo!、百度）以及Wikipedia、Amazon、YouTube統計出排名。
[5] 知名資料科學網站KDnuggets發佈2018年調查結果，超過2,300人參與投票選擇自己使用的資料科學/機器學習工具。
[6] 輔助程式開發者的應用程式，通常包含了程式語言編輯器、編譯器/直譯器、除錯器、還有圖形使用者界面（Graphical User Interface，簡稱GUI）。
[7] Python 2.7 將於 2020年停止維護。（取自https://www.python.org/dev/peps/pep-0373/）
[8] 逗號分隔值（Comma-Separated Values，簡稱CSV）有時也稱為字元分隔值，因為分隔字元也可以不是逗號。是目前常見資料交換格式之一，惟讀取時須留意編碼格式（如ASCII、UTF-8或Big5），避免造成亂碼。

留言

張貼留言

這個網誌中的熱門文章

SAS、SPSS、STATA 統計軟體檔案格式轉換介紹

-
圖片
陳家玉 [原文刊載於SRDA學術調查研究資料庫通訊第41期，2012.6] 一、   前言 市面上統計套裝軟體不勝枚舉，目前最常被使用的仍以 SAS 、 SPSS 、 STATA 為主流且各有所長。當好不容易申請或取得的資料檔，並非平時熟悉的統計軟體檔案格式時，如何將檔案進行讀取或轉換，是多數人常面臨到的問題。統計軟體檔案格式的轉換，除了利用統計套裝軟體內建的匯入及匯出功能外， Stat/Transfer 是另一個快速且便利的檔案格式轉換工具。本文將統計套裝軟體的匯入 / 匯出功能分為二部分介紹：第一部分以各軟體資料檔間的轉換為主；第二部分介紹匯入 / 匯出最通用的純文字檔及普遍用於數據資料整理的 EXCEL 檔，於下以 SAS 9.2 版、 SPSS 20 版、 STATA 12.1 版逐步分述之。 Stat/Transfer 統計數據轉換軟體則針對介面功能操作進行介紹。 二、   匯入 / 匯出統計軟體資料檔功能 在說明如何轉檔前，先瞭解此三種軟體資料檔的差異性（表 1 ），其中 SPSS 、 STATA 資料檔可以包含變項說明（ variable label ）與選項數值說明（ value label ）兩者，但 SAS 資料檔僅包含變項說明，選項數值說明則是另以格式檔儲存，需套用 format 指令才能取得。 表 1 ： SAS 、 SPSS 、 STATA 資料檔之差異   軟體 差異性 SAS SPSS STATA 說   明 資料與格式分別儲存 資料與格式儲存在同檔案中 資料與格式儲存在同檔案中 資料檔 *.sas7bdat *.sav *.dta 格式檔 *.sas7bcat 數據資料因受限於統計軟體資料檔支援性的問題，較常以純文字檔，搭配語法（ syntax ）撰寫進行檔案讀取。隨著套裝軟體視窗版的不斷發展、更新且越具易用性，可支援多種檔案類型的匯入與匯出，使得程式語法不再是絕對必要，讓使用者省去自行撰寫程式的麻煩，能快速又方便地讀取或轉換資料。 （一）      SAS 軟體匯入及匯出 SPSS/STATA 資料檔 1
閱讀完整內容

資料整理與檢誤經驗談—以SPSS程式進行邏輯檢查

-
圖片
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 /
閱讀完整內容