基于自定义识别码合并Qualtrics多份数据集的SPSS技术问询

背景 #

用Qualtrics向儿童发放3份调查：

• 最初采用10位随机码作为跨调查识别凭证，预测试发现儿童无法记住该码，改为让参与者自行生成格式为SchoolName-YearGroup-FirstInitial-DayOfBirth的易重复识别码
• 所有参与者完成调查1和2，仅部分完成调查3，需通过该识别码合并三份调查的记录
• 限制：Qualtrics无法直接基于该字段合并，数据集过大无法手动合并，禁止收集邮箱，不能使用Qualtrics邮箱关联方案
• 尝试SPSS MATCH FILES命令未生效，命令如下：

MATCH FILES
  /FILE='path_to_survey2.sav'
  /BY ParticipantCode.
EXECUTE.

SPSS 正确合并方法 #

你之前的MATCH FILES命令只调用了单个文件，这是无效的，正确操作如下：

1. 预处理数据 #

确保三份数据集的识别码字段名称完全一致（如统一为ParticipantCode），且格式统一：

* 统一识别码格式：去除首尾空格、转大写.
COMPUTE ParticipantCode = UPCASE(LTRIM(RTRIM(ParticipantCode))).
EXECUTE.

* 按识别码排序，确保合并时匹配正确.
SORT CASES BY ParticipantCode.
EXECUTE.

2. 逐步合并数据集 #

先合并调查1和2，再将结果与调查3合并：

* 合并调查1与调查2，保留所有完成两份调查的参与者.
MATCH FILES
  /FILE='path_to_survey1.sav'
  /FILE='path_to_survey2.sav'
  /BY ParticipantCode.
EXECUTE.
SAVE OUTFILE='merged_survey1_2.sav'.

* 合并上述结果与调查3，用IN子句标记是否完成调查3.
MATCH FILES
  /FILE='merged_survey1_2.sav'
  /FILE='path_to_survey3.sav'
  /BY ParticipantCode
  /IN=completed_survey3.
EXECUTE.

* 将标记转为0/1变量，1表示完成调查3，0表示未完成.
COMPUTE completed_survey3 = completed_survey3.
EXECUTE.
SAVE OUTFILE='final_merged_data.sav'.

Python（Pandas）高效合并方案 #

如果SPSS处理大数据卡顿，可使用Pandas，操作更高效：

1. 读取并预处理数据 #

import pandas as pd

# 读取三份SPSS数据
survey1 = pd.read_spss('path_to_survey1.sav')
survey2 = pd.read_spss('path_to_survey2.sav')
survey3 = pd.read_spss('path_to_survey3.sav')

# 统一识别码格式
for df in [survey1, survey2, survey3]:
    df['ParticipantCode'] = df['ParticipantCode'].str.strip().str.upper()

2. 合并数据集 #

# 合并调查1和2
merged_1_2 = pd.merge(survey1, survey2, on='ParticipantCode', how='inner')

# 合并调查3，左连接保留所有已合并的参与者，标记完成状态
final_merged = pd.merge(merged_1_2, survey3, on='ParticipantCode', how='left', indicator=True)
final_merged['completed_survey3'] = final_merged['_merge'].map({'both': 1, 'left_only': 0})
final_merged.drop(columns='_merge', inplace=True)

3. 保存结果 #

# 保存为SPSS格式，兼容后续SPSS分析
final_merged.to_spss('final_merged_data.sav', convert_categoricals=True)
# 或保存为CSV，适合其他工具处理
final_merged.to_csv('final_merged_data.csv', index=False)

额外注意事项 #

• 排查识别码重复问题：若存在多个参与者使用同一识别码，可通过性别、年龄等辅助字段区分，或手动核实修正
• 若合并后出现缺失值，需检查识别码的拼写一致性（比如学校名称缩写不一致、出生日期格式错误等）

内容的提问来源于stack exchange，提问作者Sophie