获得可信的数据

3.1 可信不是一个标签：数据与问题是否匹配

第二单元把目标转化为指标，但定义清楚不意味着记录可靠。要计算报名者到场率，需要知道哪些人属于有效报名者、签到是否漏记、编号能否对应；要解释缺席原因，还需要了解缺席者的处境。两项分析对数据的要求不同。

同一份出口问卷可以真实记录回答者的体验，却不能独自代表所有报名者；签到日志可以准确记录扫码，却不能独自读取兴趣。前者的限制主要涉及覆盖与选择，后者涉及行为与概念之间的距离。不要把“适合回答 A”扩展成“适合回答所有问题”。

沿着证据形成过程逐步检查

这条链上至少有三类检查：测到的是否是想理解的概念；接触和回答的人是否覆盖希望理解的对象；记录与处理是否准确表达已发生的事情。它们不能互相替代。删除重复行无法补回未被邀请的缺席者，扩大样本也无法修复诱导性题目。

数据不完美并不意味着只能放弃分析。可以改进采集、保留未知、缩小结论范围，或者先取得更适合的问题所需的证据。关键是说明限制怎样影响判断，而不是把“可能有误差”当作统一的尾注。

3.2 测量与操作化：从概念到可观察表现

兴趣、体验、参与和学习收获都是现实概念，却不天然对应一个系统字段。操作化是选择可观察表现，并规定对象、时点、记录方式与判断规则的过程。指标说明怎样汇总或计算，操作化还要说明用于计算的观察究竟怎样获得。

一种概念可以有多种观察

兴趣可以通过事前自评、是否主动查看详情、访谈中的具体叙述等观察。自评记录表达，行为记录受时间、入口与奖励等条件影响，访谈保留语境。多种材料能够互相补充，但不能因为都与兴趣有关就当作同一种测量。若材料不一致，应检查时点、对象与定义，而不是挑选最符合预想的一项。

“未到场”可以定义一个参与状态，不能直接操作化为“不感兴趣”。一个人可能很感兴趣但有课程冲突，也可能兴趣一般却被同伴邀请到场。操作化的好坏要看它是否合理连接概念与观察，并且说明遗漏了什么。

数字编码不改变变量含义

用 1、2、3 编码参与状态，只是便于保存类别，不能把类别代码的平均数解释为参与程度。1—5 的满意评分通常表达顺序，不能仅凭编码就断定相邻等级的心理差距相同。等待分钟数记录时长，次数记录重复行为，它们也不能与类别编码混算。

建立记录前，应写出变量字典：名称、含义、记录对象、单位或选项、时间、允许取值与缺失标记。明确的字典帮助采集者采用相同理解，也帮助分析者发现不合规则的值。本单元以解释变量含义为目标，具体统计汇总将在第四单元展开。

3.3 来源与采集方法：不同方法留下不同证据

采集不是先选问卷平台，而是从问题反推证据需求。已有记录可能足够，也可能需要新增观察。使用别人或系统为其他目的生成的数据时，更要检查原始定义、覆盖对象、时间与权限，不能把下载成功当成适用性证明。

观察：记录行为发生的环境

观察可以记录队伍长度、等待起止、离开队伍等行为。应提前规定地点、时间间隔、计数单位与事件标准，并用少量情境统一观察者判断。观察者可以看见离队，却不能仅凭离队读取动机；被观察者也可能因知道有人观察而改变行为。

访谈：理解过程与未预料的解释

访谈适合追问当事人的经历与判断。半结构化访谈保留共同的核心问题，同时允许追问具体例子。可以问“从收到活动信息到决定是否参加，哪些情况影响了你？”而不是问“你是不是因为宣传不够才没来？”少数访谈能发现可能机制，不能直接给出全体人的原因比例。

问卷：在统一提问下收集多人回答

问卷便于描述选项频次和分布，但回答质量受措辞、选项、回忆与作答环境影响。匿名安排可以降低部分表达压力，却不能消除所有测量误差，也不能自动解决谁愿意回答的问题。

行为记录：观察系统捕获到的事件

报名、签到、点击和支付日志减少了对远期记忆的依赖，但日志只显示系统有能力记录的行为。一次点击可能来自误触，一次扫码未必等于完成体验；没有日志可能是未发生，也可能是设备故障或未经过入口。应了解事件怎样触发、是否重复、是否延迟上传及标识的作用范围。

组合方法时，说明补充了什么

定量材料适合描述统一规则下的数量和分布，定性材料适合保留经历、语境与新的解释。可用日志定位行为发生的环节，用短问卷了解回应者报告的障碍，再用访谈理解障碍如何形成。多用一种方法并不自动提高可信度；有用的组合应补足特定空白，并保留来源差异。

3.4 问卷设计：让不同人理解同一个问题

问卷题目的任务是帮助回答者准确理解、回忆、判断并表达。写得正式不等于测得准确，强制必答也不等于内容完整。不能回答的人被迫选一个选项，只会把未知变成看似完整的记录。

单一、中立、明确

一题只问一个主要内容。“你对内容和现场服务满意吗？”包含两个对象，应拆开。题干不要给出期待方向：“这场精彩活动是否值得继续举办？”会施加评价。时间与对象要明确，“经常参加”可以改为“过去 4 周参加过几次校园社团活动”，并说明是否包含线上活动。

选项与跳题必须适合回答者

单选题的实质选项应尽量互斥、覆盖合理情况；多选题应说明可以选择多项。需要时设置“其他”“不记得”“不适用”或“暂不愿回答”，不能只保留组织者最关心的原因。缺席者可以回答参与决定的因素，却不应被强制评价没有体验过的现场服务。

满意评分需写明评价对象、时点和等级含义。即使采用五个等级，也要将中间的“既不满意也不不满意”与“无法评价”区分，避免把缺少体验误当作中立态度。多选原因的百分比之和可以超过 100%，因为同一人可能选择多项。

问原因时，不把自报原因当作已证明机制

可以询问“哪些情况影响了你是否参加本次活动”，并允许多选或补充。得到的是回答者回顾时认为相关的因素，可能有遗忘与事后解释。它有助于选择进一步核实的方向，却不能独自证明某项措施会提高到场率。

试答检查理解，试运行检查流程

发布前请少量目标对象说明他们怎样理解题目、怎样选择答案，检查陌生术语、重叠选项与困难的回忆任务。再走通手机填写、跳题、提交和导出过程。试答的目的不是挑选“正确答案”，而是发现提问与记录过程的问题。小规模试答也不能直接证明量表在全体人中有效。

3.5 测量误差：记录一致不等于测到了目标

测量误差是观察或记录与拟测现象之间的偏离，可以来自回答者、题目、工具、观察者和环境。有人记错次数，有人迎合组织者，有人误解选项，有的设备持续偏差。不能把误差只理解为“学生不认真填写”。

随机波动与系统偏离

同一个人的回忆可能上下波动；诱导措辞可能持续推高评价。前者有波动成分，后者具有方向性的偏离。两者可能同时存在。增加回答数不能保证消除诱导题目造成的系统偏离。

信度与效度的入门区分

现实中的兴趣和体验会变化，前后答案不同不一定是测量不稳定，也可能是现象确实改变。信度与效度不能只靠一张表或一句“已经试答”确认。本单元只学习概念，不要求数学检验。

降低误差需要改变产生机制

回忆误差可通过缩短回忆窗口、结合即时记录降低；社会期许压力可通过中立说明、减少直接评价关系、提供合适的匿名渠道降低；观察者差异可通过统一规则与训练降低；设备误差需校验与记录故障。措施应对应具体机制，不能将“匿名”写成所有风险的解决方案。

报告时可说明：“问卷在活动后 24 小时发送，以降低远期回忆困难；结果仍为自报材料，可能受回忆与表达压力影响。”说明已做什么以及仍限制什么，比笼统宣称“问卷真实有效”更便于使用。

3.6 总体、样本与抽样框：我们究竟了解了谁

测量题目写得清楚之后，还要检查谁有机会回答。希望了解所有报名者的参与障碍，却只在活动出口发问卷，缺席者一开始就无法进入调查。这个问题不能通过修改满意度量表解决。

研究全校学生与研究本次报名者，是两个不同总体。报名名单可能是后者的抽样框，却不覆盖前者；名单中的重复、无效联系方式与遗漏又会影响接触。一个人回答了整份问卷，也可能跳过某道题，因此不同指标的实际分析人数未必相同。

全体邀请与取得全体数据不同

向所有有效报名者发送问卷，是一次全体邀请或普查尝试；若只有部分人回答，并未取得完整总体数据。即使完整取得了回答，题目误解、工具错误和处理错误仍可能存在。“全量”只能解决与范围有关的一部分问题。

概率选择与自愿回应

概率抽样通过明确的随机机制选择对象，并使被选概率可确定；方便样本选择容易接触的人；自愿回应取决于谁愿意作答。随机不是“随便发给几个人”。随机选出邀请者之后，抽样框覆盖和未回应仍需检查。

解释现有样本时，应写清总体、接触渠道、邀请方式、回应人数与排除规则。只有结果比例却没有这些过程信息，读者很难判断结论能推广到哪里。

3.7 抽样误差与选择偏差：人数多为什么仍可能看偏

从总体中只观察一部分人，会产生样本之间的随机差异；覆盖、选择和未回应过程还可能产生系统遗漏。二者都影响认识，却需要不同改进方法。

抽样误差不是所有误差的统称

在适当的概率抽样条件下，即使程序正确，不同随机样本的结果也会有所不同，这属于抽样变动。扩大样本通常有助于降低这种随机不确定性。题目诱导、名单漏人、选择性回应和处理错误则属于其他误差来源，不会因为样本变大就自动消失。本单元不计算标准误或置信区间。

偏差出现在哪个入口？

覆盖不足使部分总体成员无法被接触；选择偏差使进入样本的机会与研究结果有关；未回应偏差发生在回答者与未回答者存在与结果相关的系统差异时；幸存者偏差是只观察到坚持到某阶段或仍然可见的对象。它们可能重叠，重要的是指出遗漏了谁、怎样遗漏、为何可能影响结果。

有人没有回答，不自动证明已经存在某个方向的偏差，但足以提醒检查。若只在出口收集，缺席与中途离开者没有同等入口，这一设计明显限制了对全部报名者的解释。把同一入口的回答从 50 份扩到 80 份，无法让缺席者重新出现。

分层邀请改善覆盖，不保证无偏

可以按完成、到场未完成、未到场等与问题有关的状态分组，用覆盖总体的渠道邀请，并监测每组回应。若采取分层随机抽取，应明确层内随机程序；若只是设置回应目标，则不是自动获得概率样本。层内仍可能选择性回答。

不同群体若以不同概率进入样本，直接混合的比例未必反映总体构成；分层数量配额也不能自动修复组内偏差。本课程先要求分组报告和交代回应缺口，不用简单调整代替正式的抽样设计与推断。

结论主语应跟随证据来源

50 名主动回答者中 45 人选择满意，可以说“这 50 名回答者中，90% 选择满意”，同时交代入口与题目。不能直接写“90% 的报名者满意”，更不能写“90% 的全校学生满意”。缩小主语不使证据失去价值，而是让局部改进有明确依据。

3.8 数据质量：从使用目的检查记录

来源与样本解释清楚之后，还要检查记录本身。质量不能只看表格有没有空格，也不能只看系统能否运行。应围绕用途检查完整性、准确性、一致性、及时性与唯一性。

• 完整性：需要的对象、字段和事件是否有记录。填满字段不等于覆盖了该记录的所有对象。
• 准确性：记录是否符合现实。合法格式、正确范围只是线索，不足以证明真实。
• 一致性：字段、表之间和前后期间的定义是否相容。两张表人数相等也不证明对应的是同一批人。
• 及时性：记录是否在决策需要的时间可用。上传延迟可能让今天看到的签到少于最终结果。
• 唯一性：在规定单位上是否重复。一个人多次扫码可能是多条真实事件，但算到场人数时需去重。

缺失、零与不适用必须区分

零表示在给定规则下确认没有发生；缺失表示未知或未记录；不适用表示该问题不属于此对象。例如缺席者没有现场满意度是合理的不适用；到场者未填写满意度是缺失。两者都不能作为“0 分满意度”。保留缺失原因，有助于判断能否继续计算。

异常只是待核实信号

等待时间为负可能是时间记录错误；等待 90 分钟可能是错误，也可能反映真实拥堵。异常值不能仅因为“影响平均数”就删除，应检查来源、单位、上下文和业务可行性。真实的极端记录可能正是风险分析最重要的证据。

质量检查应输出缺口及影响，而不只是一个“通过”。对宣传渠道的分析，来源缺失非常重要；对报名到场率，来源缺失未必需要删除整个人。一个字段是否可用，与这条记录是否整体可用，是两个决定。

3.9 整理与清理：规则会改变结果

清理是依据问题、业务含义与可核实证据，把记录转为适用的分析材料。不是把所有空值与异常删掉，也不是把各表合计强行调整成一样。处理规则影响谁进入计算，因此它本身是证据链的一部分。

先判断记录单位，再判断重复

两条相同姓名可能是不同人；两条相同参与者编号可能是同一个人的不同活动。只有确认对象、事件、时间及编号作用范围后，才能决定合并。保留原始事件表，在人数汇总表按活动与参与者去重，比直接永久删除多次扫码更容易复核。

按证据选择处理动作

有明确来源证明输入错误时，可以修正并记录依据；确认是同一对象的重复提交时，可以按事先规则合并；值真实且与问题有关时，应保留；原因不明时，可标记待核实、报告未知或暂不用于相关计算；排除无效记录时，要说明资格与影响。不能根据哪个处理能使指标更高来选择规则。

连接失败不是未发生

签到编号找不到报名记录，可能是现场新增参与者、拼写错误、名单版本不同或不合资格。核实前不能任意计入报名者到场率，也不能把它改成某个已有编号。对没有签到记录的报名者，还需确认签到机制是否足够完整，才决定能否将其判为未到场。

留下足够复核的记录

保留受控的原始版本、处理规则、依据、操作者与时间、受影响的记录数量，以及处理前后的指标变化。整理后的表应能回溯到来源。原始版本需要受控保留并不意味着永远保存，保存期限仍应服从已说明的用途与生命周期安排。

若不同合理规则会明显改变结论，可报告它们的结果和差异，进一步核实关键记录。这样的规则对照帮助暴露判断依赖，不是让读者随意选择喜欢的数字。本单元不要求自动插补、清洗代码或数据库实现。

3.10 生命周期：可信数据需要全过程责任

数据会经历产生、采集、存储、整理、使用、共享、归档与删除。同一数据可能被用于多个目的，阶段也会交叉。质量与责任不仅属于分析者：入口如何设计、谁能访问、版本怎样保存以及何时结束使用，都会影响证据与参与者。

在采集前说明必要性与用途

每个字段应有具体用途。了解活动障碍未必需要姓名或学号；监测分组回应可能只需参与状态。若群体很小，年级、专业和叙述组合也可能使人被认出。不要把删除姓名等同于完全匿名，也不要为了未来“可能有用”无限增加记录。

需要连接时，诚实说明设计

完全不保留可对应个人的标识，就不能逐人追踪回应或连接签到。若确需连接，可在授权用途内使用替代编号，并把对应表与分析材料分开控制。这通常是去标识处理，不宜宣传为无法回溯的匿名。选择匿名还是可连接设计，应由问题需要、参与者说明与访问安排共同决定。

存储、共享与退出也需要规则

保存时指定负责人、访问范围、版本与备份方式；共享时优先提供必要的汇总，检查小群体和开放文字是否可能暴露个人；使用完毕后按事先说明的期限归档或删除，检查共享副本与对应表，而不是只删本地文件。具体制度和伦理判断在第六单元继续学习。

形成可执行方案

一份采集与质量方案应交代问题、对象、变量与方法、邀请过程、时间与渠道、试答或校验、误差与覆盖风险、清理规则、负责人、访问及保存安排，最后写出允许的结论与后续核实。方案不是越长越好，而是能让另一位执行者知道怎样做、遇到未知怎样处理。

第三单元的落点是准备好可解释、可复核且用途适当的材料。下一单元才进一步学习如何描述、比较和解释这些材料。复杂分析不能修复未说明的来源，漂亮图表也不能替代可信的证据链。

3.11 综合应用：从问卷到可复核记录

案例一：W03 的缺席不是一个原因

沿用第二单元 W03：180 名有效报名者，126 人到场，90 人完成体验。因此有 36 名到场未完成者、54 名未到场者。负责人说“缺席是因为没兴趣”，但现有行为记录只能描述参与状态，不能确认动机。

本次问题改为：“为选择下一次活动的时间、信息与现场流程改进方向，了解本次有效报名者报告的参与障碍，并核实现场体验问题。”总体是 180 名有效报名者。先通过原报名联系渠道向全部人员发出问卷邀请，不能只依赖出口二维码。

窄屏可左右滑动表格。选项顺序、跳题与手机填写流程也需试运行。

活动后 24 小时发出、48 小时后关闭，说明用途与预计时长；回应不足时发送一次中立提醒。采用匿名设计、不记录可对应个人的标识，因此不能逐人确认谁已回答，也不能把个人答案连接到签到。各层构成仅根据自报状态监测，可能与系统分类不一致。

回答人数与邀请人数要分开报告

原出口问卷的 50 名回答者中 45 人满意，90% 只描述这 50 名主动回答者。改进后假设取得以下自报状态分布，用系统状态人数作为计划参照；这不是已验证的个人对应关系。

75 份回答扩大了状态覆盖，但由于匿名、自报与可能重复提交等条件，表中比值应作为构成监测信息，不直接叫作已核实的分层回应率。即使每人只回答一次且状态完全正确，自愿回应仍可能使组内回答者与未回答者不同。不能仅凭总回收量就宣布全体代表性。

分析现场满意度时，不把 18 名缺席者计作不满意或中立，而按到场者中的实际有效回答计算并报告人数。需要深入理解障碍时，可另行招募少量自愿访谈者，说明访谈用途与联系安排；访谈材料保持独立，不把匿名问卷伪装成可追踪材料。

案例二：W06 小样本怎样整理？

以下 W06 是独立的记录练习，与 W03 不共用人数。假定报名资格已核实，扫码编号正确，记录完整反映现场到场。10 名有效报名者中 6 人签到；另有 2 名现场访客扫码。重复扫码使事件表共有 12 条记录。

下载 W06 报名表（CSV） ↓ · 下载 W06 扫码表（CSV） ↓

报名表中 P02、P04、P06、P10 的宣传来源未知，其中前三人到场。若因为来源空白删除四名报名者，就把到场比例从 6÷10＝60% 改成 3÷6＝50%。后者描述的是来源已知者的到场情况，已经换了总体，不能仍代表全部有效报名者。

W06 按有效报名名单确定 10 人分母，扫码按活动与参与者去重，再核实名单资格，得到 6 名报名者到场，比例 60%。2 名现场访客另报；4 名报名者来源未知，限制渠道分析，但不排除其报名资格。原始事件保留在受控版本中，处理规则与影响数量随报告提供。

3.12 情境迁移：评价者、购买者与访客

某店有 800 名购买者，120 人主动评价，其中 114 人好评。“好评率 95%”准确描述这批评价者，不能自动描述全部购买者，更不能描述未购买访客。评价入口、邀请时点、退款状态与自愿回应，都可能影响可见的意见。

用户退出结算，不等于没有购买意愿

日志可以定位停留或退出环节，短问卷可以记录回应者报告的障碍，访谈可以理解运费、支付失败与配送限制怎样影响决定。退出问卷仍只接触看到入口且愿意回应的人；已经购买的人也不能代表所有未购买者。先界定总体，再选择渠道。

订单清理要尊重状态与单位

同一订单的创建、支付与退款日志是不同事件，不能按订单编号把所有行视为错误重复。计算支付订单数应明确状态与截止时间；退款可能改变净销售额，但不能抹除历史支付事件。缺少渠道来源的有效订单仍可进入适用口径的销售分析，在渠道分析中保留未知。

3.13 概念自测与个人练习

先解释问题发生在证据链的哪一步，再提出与之对应的改进。不要把所有问题都回答为“增加数据量”。

1. 检查操作化

   将“未到场”记为“兴趣为零”，问题在哪里？

   先独立回答，再展开参考解析

   参与行为与兴趣之间存在其他条件，如时间冲突与交通。状态可以如实记录为未到场，但不能直接代表兴趣程度；可补充适当自评或经历材料，并说明其局限。

2. 改写双重问题

   “你对精彩的活动内容和服务满意吗？”怎样修改？

   先独立回答，再展开参考解析

   去掉“精彩”的诱导评价，分别询问本次内容满意度与现场服务满意度，写清对象、时间、等级和无法评价选项。缺席者不强制回答未体验部分。

3. 理解变量

   参与状态编码为 1、2、3，平均代码为 2.1，能否解释为平均参与程度？

   先独立回答，再展开参考解析

   不能。类别编码只是保存方式，数字没有相应的程度与间距含义。可按状态报告人数与比例。

4. 区分总体与入口

   想了解全体报名者，只在出口收集问卷，最先遗漏谁？

   先独立回答，再展开参考解析

   未到场者与未经过出口入口的人，如提前离开者。覆盖或选择机制与参与经历有关，扩大同一入口回答数不能补足这些群体。

5. 理解全体邀请

   向 180 人发问卷，75 人回答，是否已取得全量数据？

   先独立回答，再展开参考解析

   没有。全体邀请不等于全体回答；还要检查实际触达、重复、资格、逐题缺失与未回应差异。不能把未回答的人当作某个意见选项。

6. 区分误差来源

   样本增大能否解决诱导措辞和名单漏人？

   先独立回答，再展开参考解析

   不能自动解决。增大适当随机样本通常降低抽样变动；题目诱导与覆盖不足需要修改题目和接触机制。两者属于不同检查。

7. 辨析缺失与不适用

   缺席者没有现场评分，到场者跳过评分，可以都填零吗？

   先独立回答，再展开参考解析

   不可以。前者通常不适用，后者未知；零是按定义取得的一个值。应分别标记，并报告该题有效回答人数。

8. 判断异常

   等待 90 分钟会拉高平均数，是否应该删掉？

   先独立回答，再展开参考解析

   先检查真实性、单位与情境。若确为真实长等待且属于分析范围，应保留，它可能揭示风险；确认错误才按依据处理并留下记录。

9. 判断连接失败

   签到编号找不到报名者，能否直接计入报名到场率？

   先独立回答，再展开参考解析

   先核实编号、名单版本和是否现场访客。未证明属于分母总体时不能直接计入，也不能凭猜测修改编号。

10. 判断处理影响

    删除缺失宣传来源的人，会不会只影响渠道分析？

    先独立回答，再展开参考解析

    若删除整行，还会改变其他分析的对象，如到场率与完成率。应按用途判断字段是否可用，保留必要资格与未知来源。

11. 解释匿名与连接

    真正没有个人对应标识的匿名问卷，能否逐人追踪未回应者？

    先独立回答，再展开参考解析

    不能。若设计保留对应关系用于追踪，需如实说明连接方式及访问安排，不能宣称无法回溯的匿名。一般提醒与分组构成监测可以采用独立方案。

12. 让结论跟随来源

    120 名主动评价者中 114 人好评，怎样写成范围明确的结论？

    先独立回答，再展开参考解析

    “本次 120 名主动评价者中，114 人给出好评，比例为 95%；该结果描述评价者，未直接代表全部 800 名购买者或全部访客。”进一步判断需检查入口和未回应等条件。

3.14 概念回顾与关联阅读

可信的材料不是没有任何缺陷的材料，而是对于给定用途，来路和处理过程可以说明、关键风险得到检查、结论范围与证据条件一致的材料。测量、覆盖、质量和责任共同决定数据能承担什么判断。

合上教材，检查自己能否解释

勾选仅供本页自检，不保存学习记录，也不计分。

• 我能区分概念、变量和取值，说明操作化的遗漏。
• 我能比较四种采集方法，写出中立且适用的问卷题。
• 我能区分测量误差、抽样变动与选择偏差。
• 我能说明总体、抽样框、样本与分析单位。
• 我能解释样本量、全体邀请和代表性为何不同。
• 我能区分零、缺失、不适用、重复与异常。
• 我能按用途选择处理规则并报告影响。
• 我能说明匿名、可连接设计及生命周期责任。

与胡广伟《数据思维》的对应

参考清华大学出版社 2020 年版，ISBN 9787302561385。章节位置依据出版社目录核实；正文为课程原创解释，下面列出主题关联，不表示逐字摘录或完整覆盖原章。调查设计、信度效度入门和质量方案属于课程补充。

阅读胡广伟《数据思维》电子书（PDF） ↗ · 出版社原书目录 ↗

调查方法补充阅读

抽样与非抽样误差的区别，可参阅澳大利亚统计局：误差类型；普查与样本、概率与非概率选择的基础区分，可参阅澳大利亚统计局：普查与样本。这些资料用于方法核对，不增加公式考核。

本单元学到哪里为止？

需要能设计适用采集、指出覆盖与测量风险、检查并解释整理规则。信度效度只作概念理解，不要求数学检验；不计算置信区间，不做自动插补或数据库开发。伦理与公平在第六单元系统展开。本单元的生命周期开头是操作责任，不能替代完整的伦理判断。

下一单元进入描述、比较、关系与解释：在来源和处理边界已经清楚的条件下，怎样从数据中形成合理认识？

配套复习：第 4 周课堂课件 · 第 5 周课堂课件。第 6 周课堂课件。课堂 W06-Q 与本单元 W06 是独立模拟案例。