第 22 课：数据结构与编码
🎯 核心实操目标
通关要求：建立专业的数据字典（Codebook），明确每个变量的名称、标签、值标签、测量类型、缺失值定义。本课你将掌握编码规则设计（含反向题标注），完成 Excel → SPSS/Jamovi/CSV 的格式互转，为下一课数据清洗打好基础。
📋 课前准备（5 分钟自检）
工具/账号
- [ ] Excel 或 WPS（编码与字典制作）
- [ ] Jamovi 2.5+ 或 SPSS 29+（变量定义验证）
- [ ] 第 20 课设计完成的问卷
- [ ] 第 21 课回收的原始数据（如已发完问卷）
数据/素材
- [ ] 问卷题项完整列表（含所有变量名）
- [ ] 反向题清单（来自第 19 课）
应急通道
- 还没回收数据 → 用 Case A 模拟数据集 case_A_questionnaire.csv 练手
- Excel 文件过大卡顿 → 转 CSV（取消所有公式与格式）
场景痛点破冰：变量名混乱毁掉分析
"学生回收数据后直接开始跑统计，结果：
- 变量名是中文长串：'AI 焦虑量表第 1 题' — Jamovi 报错
- 选项编码混乱：性别有的写"男/女"有的写"1/2"
- 反向题没标记 — α 系数 0.3
- 缺失值有的写"99"有的写空 — SPSS 全部当成 99 算入
数据字典是数据分析的合同书—— 没有它，所有后续分析都是在赌运气。"
🗺️ 架构重组：数据字典的 5 字段标准
完整数据字典必须包含每个变量的以下 5 个字段：
| 字段 | 含义 | 例 |
|---|---|---|
| 变量名 Variable Name | 英文短代号，用于统计软件 | Anxiety_1 |
| 变量标签 Label | 中文/英文完整描述 | "AI 学习焦虑第 1 题（认知维度）" |
| 值标签 Value Labels | 数值对应含义 | 1=非常不同意, 5=非常同意 |
| 测量类型 Measure | 名义/有序/连续 | Ordinal（李克特 5 点） |
| 缺失值 Missing | 哪些值代表缺失 | 99 = 缺失，空白 = 缺失 |
🚀 拆解实战 A：变量命名规范
命名 5 铁律
- 全英文（避免中文名导致软件兼容问题）
- 下划线分隔（不用空格、不用横杠）
- 维度前缀（Anxiety_1 / Strategy_1 / Efficacy_1）
- 数字后缀（按问卷顺序编号）
- 反向题：原始列保持普通名（如
Anxiety_4），字典里标注"反向题=是"；清洗时再生成反转列Anxiety_4_R = 6 - Anxiety_4（详见第 23 课）
标准命名表（Case A 示例）
ID — 受访者编号
Age — 年龄(连续)
Gender — 性别(1=男, 2=女)
Grade — 年级(1=大一 ~ 4=大四)
Major_Category — 专业大类(1=文 2=理 3=工 4=艺体)
Anxiety_1 — 焦虑题 1
...
Anxiety_4 — 焦虑反向题(原始列；清洗时生成 Anxiety_4_R = 6 - Anxiety_4)
Strategy_1 — 策略题 1
...
Efficacy_7 — 效能感反向题(原始列；同上生成 Efficacy_7_R)
Duration_Min — 答题用时(分钟)🚀 拆解实战 B：编码规则速查
| 变量类型 | 编码规则 | 例 |
|---|---|---|
| 二分名义（性别） | 1/2 或 0/1 | 男=1, 女=2 |
| 多分类名义（专业） | 1/2/3/4...（顺序无意义） | 1=文科, 2=理科, 3=工程, 4=艺体 |
| 有序（年级） | 1/2/3/4（顺序有意义） | 1=大一, 2=大二, 3=大三, 4=大四 |
| 李克特 5 点（量表题） | 1–5（高分代表高同意） | 1=非常不同意 ~ 5=非常同意 |
| 反向题 | 原始列同正向题编码（普通名），分析前生成反转列 | 原始 Anxiety_4 → Anxiety_4_R = 6 - Anxiety_4 |
| 连续（年龄） | 直接填数字 | 18, 19, 20... |
| 缺失值 | 统一用 99 或空白，不混用 | 99 = 拒答 / 空白 = 跳过 |
⚠️ 反向题编码的高频踩坑
反向题在数据录入阶段保持原始得分（同意 = 高分）， 反转操作在数据清洗时做（公式：新值 = 量表最大值 + 1 - 原值） 错误做法：录入时直接反转 → 后续无法追溯原始反应
🚀 拆解实战 C：Excel 数据字典模板
打开 Excel，按以下结构建立 data_dictionary.xlsx：
| 变量名 | 标签 | 类型 | 取值范围 | 值标签 | 缺失值 | 反向题 | 所属维度 |
|---|---|---|---|---|---|---|---|
| ID | 受访者编号 | 整数 | 1–N | — | 无 | — | — |
| Gender | 性别 | 名义 | 1/2 | 1=男, 2=女 | 99 | — | 人口统计 |
| Anxiety_1 | AI 焦虑题 1 | 有序 | 1–5 | 1=非常不同意, 5=非常同意 | 99/空白 | 否 | 认知焦虑 |
| Anxiety_4 | AI 焦虑反向题（原始列，反转后为 Anxiety_4_R） | 有序 | 1–5 | 同上 | 99/空白 | 是 | 认知焦虑 |
| ... | ... | ... | ... | ... | ... | ... | ... |
把这张表保存到项目根目录，所有后续分析（清洗/统计/写论文）都以此为准。
🚀 拆解实战 D：让 AI 帮你生成数据字典
markdown
【Role】资深数据架构师 + 统计软件实施顾问。
【任务】根据下方问卷结构,为我生成完整的数据字典 Excel 草稿(表格形式)。
【问卷结构】
- 人口统计: ID, 年龄, 性别(1男 2女), 年级(1-4 大一到大四), 专业大类(1-4 文/理/工/艺体)
- AI 学习焦虑量表(12 题, 5 点 Likert): Anxiety_1 到 Anxiety_12
- 认知维度: 1-4
- 情感维度: 5-8
- 行为维度: 9-12
- 反向题: 第 4 题
- 学习策略量表(8 题): Strategy_1 到 Strategy_8, 第 8 题反向
- 学业自我效能感量表(7 题): Efficacy_1 到 Efficacy_7, 第 7 题反向
【输出】Markdown 表格,字段:
变量名 | 标签 | 类型 | 取值范围 | 值标签 | 缺失值 | 反向题 | 所属维度
【特殊要求】
- 反向题在"反向题"列标"是"，原始列用普通名；约定反转列命名为 原名+_R（如 Anxiety_4_R），由清洗阶段生成
- 缺失值统一标注为"99/空白"
- 测量类型用国际标准: Nominal/Ordinal/Interval/Ratio🚀 拆解实战 E：Excel → SPSS/Jamovi 数据导入
Excel → Jamovi（推荐）
- 在 Excel 中确保第一行是变量名（与字典对应）
- 另存为 CSV (Comma delimited) (*.csv) 格式
- Jamovi → Open → 选择 CSV → 自动导入
- 右键变量列 → Setup → 设置 Measure type / Value labels（按字典填）
Excel → SPSS
- 同样另存为 CSV
- SPSS → File → Import Data → CSV Data
- 跟随向导设置变量名 / 类型
- 变量视图（Variable View）填入完整 Value Labels 与 Missing Values
🚀 拆解实战 F：常见数据问题预防
| 问题 | 预防 |
|---|---|
| 中文变量名导致软件崩溃 | 全英文命名 |
| 不同问卷平台导出格式不一致 | 统一用问卷星导出 CSV 标准格式 |
| 反向题忘记标记 | 数据字典中显式 反向题=是 列 |
| 缺失值与 0 混淆 | 缺失统一用 99 或空白，不用 0 |
| Excel 自动改日期 | 答题时间设为文本格式存储 |
📦 本课交付物（提交给 AI 初审/讲师抽检）
- [ ] 完整数据字典（Excel 或 Markdown 表格）：含所有变量的 8 字段（变量名/标签/类型/取值/值标签/缺失/反向题/维度）
- [ ] CSV 原始数据样例：导出问卷星 CSV，截图展示第一行变量名是否符合命名规范
- [ ] Jamovi/SPSS 变量定义截图：所有变量已配好 Measure type + Value Labels
- [ ] 反向题标记清单：列出所有反向题（字典标"是"），并约定其反转列为 原名_R
🏁 小结与自测 (Milestone Checklist)
- [ ] 我的所有变量名是全英文 + 下划线分隔 + 维度前缀
- [ ] 我的数据字典含完整 8 字段（变量名/标签/类型/取值/值标签/缺失/反向题/维度）
- [ ] 反向题原始列用普通名、字典标记"反向题=是"，反转列统一加 _R 后缀（如 Anxiety_4_R）
- [ ] 我清楚反向题在录入阶段保持原值，反转操作在下一课清洗时做
- [ ] 我的缺失值统一用 99 或空白，没有与 0 混淆
- [ ] 我能用 Excel/CSV 数据导入 Jamovi/SPSS 并配好 Value Labels