目录
当“未作答”成为一种结果
在整理问卷数据时，
我们常常会很自然地略过这样的情况。
“这是无应答，做缺失值处理就好。”
但并非所有无应答，
都是没有意义的遗漏。
尤其是有意的拒绝回答，
它可能反映出受访者的态度与情境背景，
是一种重要信息。
1️⃣ 拒绝回答 ≠ 不知道 ≠ 失误
首先必须区分三种情况：
操作失误 / 技术性遗漏：不小心漏答
不知道：缺乏判断依据
拒绝回答：有意识地不作答
拒绝回答并不是因为没看懂问题，
而可能是因为不愿意回答、感到负担或敏感。
2️⃣ 如果拒答集中在特定题目，本身就是信息
当拒绝回答集中出现在某些题目时，
它本身就是一个重要线索。
常见类型包括：
收入、费用、金额类问题
不满或负面评价题
责任、伦理、敏感议题
此时，拒答比例
往往反映的是受访者的不适感或回避倾向。
3️⃣ 拒答可能揭示群体差异
拒绝回答通常并非随机发生。
例如：
仅在特定年龄层中拒答率较高
在某些职业或经历群体中集中出现
这可能间接反映出态度差异、信息差距或信任程度的不同。
4️⃣ 全部删除，可能导致结果偏差
如果把所有拒答都简单删除，
可能产生以下问题：
低估负面意见
在敏感议题上呈现虚假的“积极结果”
某些群体意见被结构性排除
结果看似更“干净”，
却未必更接近现实。
5️⃣ 拒绝回答本身也可以成为研究结果
在某些情况下，
拒答比例本身就是重要发现。
报告示例：
“该题目的拒答率为 28%，
显示受访者对该议题存在明显负担感。”
“拒答率在特定群体中显著较高。”
这样的表述
能拓展问卷结果的解释深度。
拒绝回答不是数据空白，而是一种信号
并非所有无应答
都应该被简单删除。
尤其是拒绝回答，
可能揭示受访者的态度、不适感与情境背景。
相对稳妥的处理原则
区分无应答类型
检查题目层面的拒答分布
分析群体差异
避免一律删除
必要时将拒答率纳入研究结果
The Brain 在问卷分析中，
不仅关注“回答了什么”，
也关注“为什么没有回答”，
通过结构化分析解释结果背后的机制。
留学生论文问卷与统计分析支持（支持中文沟通）｜The Brain（더브레인)
联系方式：010-7204-7567