# 数据收集与清洗

> 数据来源与采集记录、缺失值与异常值的处理规则、版本管理与可复现清单。

原文：https://www.biguo.site/guide/method/data/

数据部分最容易被审稿人追问的不是“结果如何”，而是“这些数字是怎么来的”。能回答这个问题，方法章节就立住了一半。

> 一律以页面与接口实际显示为准，本站不承诺任何检测通过率或降重幅度。
> 生成内容仅供学习与研究参考，不构成可直接提交的学术成果；引用与事实须自行核验；用户须自行符合所在机构的学术诚信要求。

## 一、来源与采集记录

写清来源、采集时间、采集方式与工具版本；问卷要记录发放渠道与回收量。

## 二、缺失值

先说明缺失比例与可能机制，再选择删除或填补；不同处理方式要报告敏感性。

## 三、异常值

先判断是录入错误还是真实极端值；删除要说明规则，不能“删到结果好看”。

## 四、版本与可复现

原始数据只读保存，清洗脚本留档，每一步产出单独存版本；正文报告最终样本量与剔除数量。

## 常见问题

### 数据可以不放附录吗？

涉密或涉及个人信息的部分可不公开，但要说明获取途径与可核验方式。

### 缺失多少就必须填补？

没有统一阈值；关键是说明缺失机制与处理方式，并讨论对结论的影响。

### 清洗过程要写进论文吗？

要写规则与结果（如剔除多少条），不必贴全部代码。

## 相关阅读

- [定量研究方法](https://www.biguo.site/guide/method/quantitative/)
- [实验类论文怎么写](https://www.biguo.site/guide/method/experiment/)
- [数据与隐私伦理](https://www.biguo.site/guide/policy/data-ethics/)