如何为不细阅码本的数据集用户区分缺失值类型：无应答vs结构缺失

核心思路是将隐含在码本中的缺失类型规则，转化为数据集内的显式信息，降低对用户阅读码本的要求，可选择以下三种方案：

• 方案1：使用不同的显式值区分不同类型的缺失（优先推荐）
  统一用NA表示所有缺失是导致歧义的核心原因，我们可以分别为不同类型的缺失赋予可直接识别的特殊值，比如结构缺失（不符合跳题规则无需作答）用".不适用"，无应答缺失（符合作答条件但未回答）用".未作答"，特殊值可加特殊前缀避免和正常回答内容冲突。
  示例代码如下：

library(tidyverse)
df <- tibble(q1 = c("Yes", "Yes", "No", "No"), 
             q2 = c("Yes", NA, NA, NA))

# 替换缺失值为显式分类
df_fixed <- df %>%
  mutate(q2 = case_when(
    q1 == "No" ~ ".不适用", # 匹配结构缺失场景
    is.na(q2) ~ ".未作答", # 匹配无应答缺失场景
    TRUE ~ q2
  ))

# 直接按q2分组即可区分三类情况，无需关联其他字段或查看码本
df_fixed %>% group_by(q2) %>% count()

运行后汇总结果会显示3个分组：Yes（1个）、.未作答（1个）、.不适用（2个），完全消除歧义。
该方案对无码本阅读习惯的用户友好度最高，没有额外使用门槛，仅当需要保留原变量的数值类型时不适用。

• 方案2：新增跳题资格辅助列
  为每个带跳题规则的变量新增配套的资格标识列，比如针对q2新增q2_eligibility列，取值为需作答/无需作答，用户可通过该列判断q2的缺失属于哪种类型。
  示例代码如下：

df_fixed2 <- df %>%
  mutate(q2_eligibility = ifelse(q1 == "Yes", "需作答", "无需作答"))

该方案的优势是不改动原有变量的取值和类型，适合需要保留原变量数值属性的场景；缺点是用户做统计时需要关联辅助列才能区分缺失类型。

• 方案3：给变量添加内置属性标签
  可以通过变量值标签功能标注不同缺失对应的类型，R中可以用attr()函数或者labelled、haven包实现，SPSS、Stata等统计软件原生支持该功能。该方案不改动原始数据结构，符合专业统计规范；但仅支持读取变量属性的工具才能看到标签，普通用户用基础函数汇总时还是无法直接区分缺失类型。

内容的提问来源于stack exchange，提问作者Eric Green