分析の前にアンケートデータをクリーニングする方法：5つのステップ

データの中身に入る前に、構造を手早く確認します。行と列の数、すべての行の列数が同じか、1行目が変数名かを見ます。回答の中に書かれた区切り文字や引用符、SPSSの書き出しで使われる一重引用符は、行を分断し、残りの値を気づかないうちにずらしてしまいます。

2回入力されたケースは、すべての割合で二重に数えられます。同一の行を探し、別途、繰り返されている識別子も探します。別々の2行が同じIDを持っていれば、一方の入力が誤っているか、2人が同じ番号を共有しています。重複した行は削除しますが、同じIDの2行のどちらが正しいかを推測で選ばず、元の資料に当たってください。

回答が一つもない列は、たいていフォームの条件分岐のために誰も目にしなかった設問です。半数以上が空欄の列では、どんな平均もごく少ないケースで計算されます。そして、調査年のようにすべてのケースで同じ値の列は、何の情報も加えません。それぞれどう扱うかを決めます。

「無回答」を意味する99や−1が回答として平均の計算に入ると、気づかないうちに結果をゆがめます。数値の列に誰かが「わからない」と書いた場合（一つでもあれば、プログラムはその列を文字列として読みます）や、小数点がコンマとピリオドで混在している場合（3,5と3.5。プログラムの言語設定によって、数値として読まれるものと文字列として読まれるものが出ます）も同じです。回答されなかったところは空欄にし、文字の回答は別の列に移し、小数点の表記は一つに統一します。

元ファイルそのものではなく、そのコピーで修正します。重複を削除し、IDの問題を解決し、回答のないところを空欄にし、小数の表記を統一し、不要な列を取り除きます。1ケース1行、1変数1列にします。修正版を別の名前で保存し、何を変えたか（どの行をなぜ削除したか、どのコードを空欄にしたか）を記録して、説明も再現もできるようにします。