网络调查怎么防止无效问卷

网络调查防止无效问卷，靠的不是回收后删数据，而是把质控拆成三段：投放前用甄别题和陷阱题挡人，回收中用时长、设备去重、逻辑校验拦截，清洗时按多条规则交叉判定再剔除。只做最后一步，钱花了，样本偏差也补不回来。

整页量表全选同一列，开放题写「好好好」，几十秒交卷——这种答卷和真实答卷长得几乎一样，只能靠规则识别。

一、先给「无效问卷」划清边界

无效问卷分两类：不满足研究条件的人填的，以及填了但不可信的。美国民意研究协会 2010 年发布的在线面板报告（Baker 等）明确列出四类线索：过快完成、矩阵题无差异作答、大量选「不知道」、开放题乱码。换句话说，判定维度可以量化，不靠主观感觉。

简单来说，先分清「不该收的」和「收了但不可信的」，规则才有具体对象。真实但极端的意见要留着，删掉就是另一种偏差。

二、投放前：把不合格的人挡在门外

最省钱的质控在问卷上线前：2-3 道甄别题确认人群，按性别、年龄、地区设配额。

注意力检测题是主动识别手段。Oppenheimer 等三位学者 2009 年提出这一方法，比如「请忽略您的真实偏好，直接选择选项A和C」。建议每份卷放 2-3 道、分散放置，表述无歧义，否则会误伤正常受访者。

另外用逻辑校验查前后矛盾，限制账号、设备的参与频率。百度百科「职业受访者」词条援引的行业规范是「通过IP、身份信息防重复注册，进行答题时长监控与逻辑校验」。

三、回收中：用行为数据实时拦截

时长最直观，但阈值不能拍脑袋。比如，20 题和 5 题的卷，下限不可能一样。比如把「答题时长过短（<正常阅读时间50%）」列为异常，或者用平均完成时间的 1/3 作下限，更稳妥的是按实测分布取分位数。实际上三种口径差别不小，选定后要把判定机制写进清洗方案。

其余线索一起看：直线作答（LongString 指标）、锯齿型作答、开放题乱码、重复提交。关键在于交叉验证——阿姆斯特丹大学一份研究附录只剔除被两个以上独立指标同时标记的样本，误伤概率大幅下降。单条规则不直接删。

四、清洗后：留痕，算清有效率

交付时给一份清洗报告，记录原始回收量、各规则剔除数与占比、最终有效样本量。建议人工抽检 5%-10%。

有效率多少算正常？一般的口径是「剔除率在5%-15%之间属于正常范围」，低于 2% 说明前端没认真质控，超过 30% 要怀疑样本来源；区间连同出处写进报告，比只报一个数字可信。

五、没专职团队时怎么办

项目量不大，可以直接用带质控的样本服务。像我要调查网这类在线问卷平台，把 IP 限制、时长检测、逻辑陷阱题这套机制做在回收环节，按合格答卷计费，筛掉的不算钱；样本库覆盖全国，分地区配额也好做。

小结

规则先写清楚，再收数据：投放前定筛选与陷阱题，回收中留行为数据，交付时给清洗报告。质控不是最后一道删数据的工序，是贯穿全程的三道关卡。