问卷回收之后，真正花时间的往往不是统计，而是把数据整理成可以分析的形态。原始表格里常见的状况包括：同一道题出现多种填法、必答题被跳过、量表题混入文字、时间戳格式不统一。如果不先处理这些问题，后面算出来的均值、相关系数都很难解释。
第一步是留档。把导出的原始文件另存一份只读副本，所有修改都在副本上进行，并在文件名里写清版本与日期。接着建立变量字典：每一列对应问卷中的哪一题、测量的是哪个维度、取值范围是什么。字典建议与问卷编号一一对应，例如 Q1、Q2_1，避免用中文长标题作为列名，减少后续导入统计软件时的编码问题。反向计分的题目要在字典中单独标注。
缺失值处理要先判断成因。整页空白通常是被试中途退出，可考虑整份剔除；个别题目漏答，则要看该题在量表中的地位。常见做法是用该维度内其他题目的均值填补，但需要在论文中说明填补规则和填补比例。对于明显的异常值，比如五级量表里出现 9，要先确认是录入错误还是编码错误，不能直接删除。
量表数据整理时，通常把“非常不同意”到“非常同意”映射为 1 到 5，并统一方向：反向题用 6 减去原始值。分维度计算均值或总分前，建议先做一致性检验，结果不理想时再考虑删题，而不是为了得到漂亮结果反复调整题目。
开放题的处理更依赖人工。可以先通读全部回答，按语义归纳出若干类别，再请同伴对部分样本独立编码，比较两人结果，分歧处讨论后确定规则。整个过程保留编码表，方便复现。
最后，论文的方法部分不必写得太琐碎，但至少要交代：有效样本量、剔除标准、缺失值处理方式、反向题处理、编码规则。这些信息能让读者判断你的分析结论是否站得住脚，也能在答辩时应对“数据怎么来的”这类提问。