Comment nettoyer une base de données d’enquête avant de l’analyser, en 5 étapes

Avant d’entrer dans les données, faites un contrôle rapide de la structure : combien de lignes et de colonnes, si toutes les lignes ont les mêmes colonnes et si la première ligne contient les noms des variables. Un séparateur ou un guillemet écrit à l’intérieur d’une réponse, ou les guillemets simples d’un export SPSS, coupent une ligne et décalent le reste des valeurs sans que personne ne s’en aperçoive.

Un cas saisi deux fois compte double dans chaque pourcentage. Cherchez les lignes identiques et, à part, les identifiants qui se répètent : si deux lignes différentes ont le même ID, l’une est mal saisie ou deux personnes partagent un numéro. Supprimez les copies, mais ne choisissez pas à l’aveugle laquelle de deux lignes au même ID est la bonne : consultez la source.

Une colonne sans la moindre réponse est souvent une question que personne n’a vue à cause d’un filtre du formulaire. Dans une colonne laissée vide à plus de la moitié, toute moyenne est calculée sur très peu de cas. Et une colonne qui a la même valeur dans tous les cas, comme l’année de l’enquête, n’apporte rien. Décidez quoi faire de chacune.

Un 99 ou un −1 qui signifie « ne répond pas » mais entre dans la moyenne comme une réponse la fausse sans prévenir. Il en va de même d’une colonne numérique où quelqu’un a écrit « ne sait pas » (une seule valeur suffit pour que le logiciel la lise comme du texte) et des décimales écrites tantôt avec une virgule, tantôt avec un point (3,5 et 3.5), que le logiciel lit, selon sa langue, comme un nombre ou comme du texte. Laissez vide ce qui n’a pas reçu de réponse, déplacez les réponses en toutes lettres dans une autre colonne et utilisez un seul séparateur décimal.

Corrigez une copie du fichier d’origine, pas l’original : supprimez les copies, réglez les ID, laissez vide ce qui n’a pas reçu de réponse, unifiez le séparateur décimal et retirez les colonnes inutiles. Gardez une ligne par cas et une colonne par variable. Enregistrez la version corrigée sous un autre nom et notez ce que vous avez modifié (quelles lignes vous avez supprimées et pourquoi, quels codes vous avez passés à vide), pour pouvoir l’expliquer et le refaire.