在定量研究中，數據的收集和分析是最重要的環節。作為結論依據的數據，質量的重要性不言而喻。以往，在市場調研還處於線下模式的時候，一線訪問員承擔了大部分的數據質量監督工作。現場會有多次被訪者的甄別，還會有訪問員全程指導被訪者，確保他們對題目的理解無誤，對選項的理解無誤，以及做出儘可能詳盡的回答。
近年來，隨著互聯網的普及，以及出於成本和效率的考慮，大部分的定量訪問已經轉到線上。線上訪問大大縮短了時間週期，減少了人力成本，但隨之而來的弊端是，數據的質量不再像以前那樣有保障。被訪者自己獨自答題，有可能存在對問題的誤解，也有可能存在虛假回答（比如為了能夠參與調研獲得獎勵，而選擇可以繼續作答的甄別條件，給出虛假答案）。
這種情況下，就需要我們在處理定量數據的時候，多長些心眼，學會辨識“假數據”和“弄虛作假的被訪者”們。
我們一般可以分“事前”和“事後”，去採取一些方法提高訪問數據的質量。之前的一篇文章中，我們聊瞭如何在訪問之前（也就是事前），採用一些方法，提前規避可能出現的數據問題，屬於“防範”；在這篇文章裡，我們重點談數據收集完畢之後（也就是事後），清洗數據的一些方向，屬於“處理”。
一般來說，我們清洗數據可以從以下幾個方面去進行檢查：
【題目出現異常值】
異常值指的是正常作答情況下，絕對不會出現的一些答題結果。比如說，填寫年齡的題目，出現三位數，個位數；開放題的回答，出現牛頭不對馬嘴的情況；答題時間記錄，遠低於平均答題時間等等（在問卷網，我們會在後臺報表記錄每份答卷完成時間，以及統計平均答題時間，以作為數據清洗的參考）。
【機器人式作答】
所謂機器人式作答，是指很多類似的題目出現同樣的答案。這種情況尤其會出現在量表題（打分題），需要做重點關注。比如，所有打分題都是給同一個分數，那麼一般可以認為是隨意作答，需要作為廢卷處理。一般來說，我們以量表題選擇相同數字超過70%作為標準。
【邏輯紊亂】
要發現這類問題，需要事先找好問卷中有相互關聯的題目或者選項，在清洗數據的時候，重點查看這些關聯是否符合邏輯。比如，前面一道題回答自己的身份是學生，但是後面有一道題問婚姻狀況的時候，選擇的是已婚有孩，這種情況基本就屬於是邏輯紊亂。又比如：年齡25歲以上，還說自己在讀高中；個人年收入大於家庭年收入等等。這裡只是舉了一些容易理解的例子，可能犯錯的被訪者不會很多。但實際情況下，當我們問卷達到一定長度，問卷邏輯關聯變多，隨便作答的被訪者就很容易忽略邏輯關聯，出現邏輯紊亂問題。那我們只要事先確定好可以互查邏輯的幾道題，就能通過答案之間的相互關係找到不合格答卷進行廢除。
【多選題選項個數】
如果，某個被訪者所有多選題的選項都只選1個，尤其是那些明顯不是一個答案的選擇題（比如，你知道哪些洗髮水品牌），也只選1個的時候，基本可以判定其為隨意答題者，可以廢除這份答卷。
【IP地址對應】
在消費者調研中，有些時候區域差異是特別重要的分析維度，因此被訪者是否真實選擇了自己常住地所在的城市，就非常重要。如果人在三線城市，卻胡亂選擇了一線城市，那麼出來的結果肯定是不對的。我們在清洗數據的時候，就可以通過檢查IP地址的記錄，對應被訪者所選擇的城市（如需記錄），看是否存在不匹配現象。如果存在，則可以視作無效問卷。
以上就是一些常見的數據清洗方法。但我們要注意，在清洗數據之前，我們一定要保留好源數據。對於有問題的數據，可以記錄好其被訪者ID或者編碼，以確保在我們清洗數據之後，一旦存在誤刪除，還可以找到原來的數據填補回來。
在問卷網，我們可以保留被標為無效的樣本數據，不會進入分析和報表。但是，所有標為無效的樣本數據都將不會在後臺刪除，而是存放在無效數據中。如果存在誤刪，都可以通過樣本編號，找到該份數據並進行復原，使其重新加入到總體的數據分析中。
