不合格的数据需要清除，问卷数据需要补充。
以下是简单的数据清理方法和步骤：
来自非研究对象的问卷数据，例如你的研究对象是Z世代，不适用于1995年之前出生的人。通常，对于此类人群属性要求，应在问卷中设计相应的筛选问题，例如“你的出生年份是多少？/你的年龄是多少。但如果你在风铃系统的样本库中分发问卷，你可以省去这一步，因为我们的400多万样本库涵盖了不同的年龄组、行业和地区。我们可以根据人口属性、用户档案、行为档案和其他标签进行准确的抽样，并在正式q之前设置预问卷。”确保抽样标签的准确性。快速回答者和直白回答者是指回答问题的时间太短/太长的受访者，例如有人在20秒内完成了20个问题，或者有人回答的时间比平均时间长1/3。风铃系统自动计算“整体报告”中的平均完成时间，并在响应数据中进一步查看每个受访者的进入和完成时间，以及总持续时间。当您识别出超速驾驶的驾驶员时，可以将其标记为无效，无效问卷将不包括在问卷数据分析中。受访者是表现出某种回答模式的受访者，这种类型的问卷数据清理很困难。可以提前在问卷中设置陷阱问题和反向问题，以测试受访者的严肃性。在回答与现实不符或不一致的问题时，受访者在年龄问题上选择“18岁以下”，在婚姻状况上选择“已婚”，这显然是不正常的。有些人的回答不一致，比如声称自己从未使用过某个产品，但却回答了自己喜欢的产品功能。像这样的答案可以通过过滤器过滤。例如，Outlier声称在调查中有10个孩子，或者每天喝10升水和其他不正常的回答。你不能说100%是假的，但这并不能反映一般情况，但它也会影响统计结果，如范围、极值、平均值、误差等，因此应该将其从数据中删除。有时，即使开放式问题的形式和字数有限（如汉字/数字/字母），仍然可能存在嘴唇不正确的无效答案，如“啊@@#￥…**%￥@@”，需要消除。没有完美的数据，即使是一个好的问卷调查也不可避免地会有错误，所以在清理之前需要更加谨慎。您可以从自上而下（基于数据分析结果）和自下而上（基于原始数据）的角度评估删除数据是否会影响结论。如果删除了脏数据，但结论仍然不符合假设，并且可靠性和有效性不足，那么是时候考虑其他地方是否存在问题了。
如果出现严重问题，导致论文难以修改或无法通过审查，请尽快向学校相关部门或毕业论文评审委员会反映情况，并说明具体原因和情况。同时，也建议您积极自我审视和反思，尽快纠正错误，提高论文实证分析水平。
不过，在抽查实证分析方面存在错误情况并不是绝望的局面。您可以通过重新审视学习和研究，参与学术交流和研究，提升自己的研究能力和实证分析水平，为今后的学习和研究打下坚实的基础。
当然，以下是一些学术论文撰写过程中需要注意的细节：
1. 文献细节：在写作过程中，要注重查找和引用权威学术文献，并注意引用时遵循论文撰写规范，尽可能排除文献的侵权问题。
2. 实验细节：在撰写学术实验论文时，要注意记录实验过程中的细节和参考数据等信息，并认真分析实验结果。同时，在实验设计时要严谨，考虑的变量要全面，实验的测量要有重复，这可以提高实验结果的可靠性。
3. 数据细节：数据处理在学术论文撰写中是相当重要的一部分。注意数据的来源和准确性，对于数据的处理使用前后确保数据盲审、验证数据合法性、抽样方法、数据卡方等问题，以确保数据的严谨性和合法性。
4. 结论细节：在写结论的时候需要注意将已有的数据进行详细分析，形成合理的结论，避免结论上的一些不合理、不充分的错误。
以上是一些学术论文撰写过程中需要注意的细节。学生们在撰写学术论文的过程中应该要重视这些细节并做好记录，以确保论文的质量和可信度，并让自己的论文领域有所进步。