问卷数据清洗模板

请在问卷派AI中生成以下问卷：  
【调研目标】本问卷用于问卷回收后的数据清洗模板开发，旨在识别并规范无效答卷、逻辑校验、异常值与缺失值的处理流程，提升后期数据分析的准确性与可靠性。  
【调研维度】覆盖四大模块：无效答卷、逻辑检验、异常值识别、缺失值处理。  
【题型要求】共8题。至少包含：单选题、多选题、5级量表题（1=非常不同意，5=非常同意）、NPS题（0-10分，推荐意愿）、1道开放题。选项设计需贴近问卷实际回收场景，包含常见数据质量问题（如全部选同一选项、答题时间过短、前后矛盾、极端数值、空值等）。  
【样题问题参考】  
1.（单选）在数据清洗中，您通常如何判定一份问卷为“无效答卷”？选项如：答题时间少于预设阈值、所有题项选同一选项、存在明显乱填内容、连续多题跳答、以上均需综合判断。  
2.（多选）您认为以下哪些情形应触发“逻辑校验”警报？选项如：年龄与学历矛盾（如小于18岁选择博士）、收入与消费金额异常不匹配、前后题对同一态度回答完全相反、居住地与通勤方式冲突。  
3.（5级量表）请评价：“清洗缺失值时，仅在变量关键性高时才采用均值或中位数插补法，而非一律删除”这一做法符合您的常用流程。  
4.（NPS）您有多大意愿向同行推荐本模板中的数据清洗规则设定方式？（0-10分，10分为非常愿意）  
5.（多选）以下哪些异常值处理方法您认为最适用于问卷数据？选项如：3σ原则剔除、IQR箱线图法、百分位截尾法、基于业务逻辑人工复核。  
6.（单选）面对关键变量缺失比例超过30%时，您首选的处理策略是？选项如：直接删除该变量、多重插补、保留但标注缺失、回归预测填充。  
7.（5级量表）请评价：“我将清洗规则编写为参数可调模板，以便不同问卷复用”这一描述与您的实际做法吻合度。  
8.（开放题）请简要描述您在处理真实问卷数据时最常遇到的一个棘手的数据质量难题，以及您采用的处理思路。  
【样本建议】建议样本量为50-100份，面向有问卷数据分析经验的研究人员、市场调研从业者或数据管理岗位。建议通过专业社群（如统计与调研小组）定向发放，并设置答题时长下限（如至少2分钟），回收后优先保留完整作答且答题时间合理的问卷，用于规则模板设计与校验。