Excel在科研数据制备中的应用及其局限性分析

　　【摘要】 研究数据的完整性和一致性对于保证研究结论的科学性和可重复性是极其重要的。微软公司的Excel软件作为一项科研数据制备的便捷工具，其应用日趋普及。然而，与其他专业数据库软件相比Excel具有明显的局限性。在应用Excel收集任何数据前，对样本含量以及变量的数量和类型都应有所考虑。合理应用Excel提供的各种工具可以显著提高数据置备的效率和精确性。

　　【关键词】 Excel 科研 数据

　　The Application in Preparation of Scientific Research Data and the Analysis of the Limitation of Excel

　　Lu Yao，et al

　　(The No. 205 Hospital of PLA, Jinzhou 121001)

　　Abstract The integrity and consistency of research data is of prime importance in assuring that the conclusion of a research is scientific and repeatable. Microsoft Office Excel?, as a convenient tool for data preparation in scientific research, is getting more and more popular. However, its limitation is noticeable comparing with other professional database software. The size of sample, the number and types of variables should be taken into consideration before collecting any data using Excel. The rational utilization of the various tools provided by Excel may prominently increase the efficiency and accuracy of data preparation.

　　Key words Excel; scientific research; data

　　在基础和临床医学研究工作中，研究数据的制备是保证研究结果科学、准确、系统的一个重要步骤。数据的制备包括数据的收集、汇总、补充、筛选、校验等工作，是对数据进行统计学处理之前必不可少的步骤。 Excel并非专业数据统计软件，有其先天的局限性，但其内置的统计函数足以满足一般性研究工作的需要。另外，Excel具有直观、便捷、人性化的特点，并且内部工具丰富，与其他软件间易于实现数据共享，有资格作为数据制备阶段的首选工具。无论使用何种工具进行数据制备，备份永远是保证数据安全的最可靠措施。

　　1 数据表的规划设计

　　1.1 样本含量的考虑

　　样本含量的大小取决于研究目的、研究手段、预期结果以及可能要用到的统计学方法等多种因素，应该在研究设计阶段就有明确考虑。对于Excel而言，其单一工作表的理论最大行数为216 = 65536，那么样本含量超过此上限的研究数据就无法归纳在一个数据表中，虽然这种情况在一般性的基础和临床医学研究工作中并不多见。解决办法如下：①选取其他专业性更强的统计学软件，如SPSS，SAS等;②应用其他办公软件，如Access;③将数据存放于多个数据表。将具有共同属性的一组研究数据存放于多个工作表时，应首先保证数据结构的一致性，字段名称(列标题)、字段排列顺序以及数据类型(在Excel中体现为单元格格式的“数字”选项)应保持一致，以便跨表引用以及合并计算。

　　1.2 观测项目与数据表字段

　　数据表的字段名应直观贴切，字段数量与观测项目数量对应，Excel工作表理论上允许的列数为28 = 256，空间足够。数据制备阶段，字段数应留有余地，以备日后研究设计变更之需，或留作对数据进行补充描述。在应用Excel时对此不必过于刻意，因为用户可以根据需要随时灵活增删。需要注意的是，在Excel中所有的单元格地位等同，只是我们习惯性地把第一行的文本定义为列标题，而在Access等数据库软件中，字段名(列标题)为数据表的内部固有结构，因此在应用Excel进行各种操作时，一定要注意“有无标题行”选项，否则会出现数据区域选择错误。

　　1.3 数据类型

　　Excel能够提供的数据类型(图1)，侧重体现在对数据的表述形式，可谓直观、丰富，稍作分析就会发现它相对于其他专业软件来讲略显简单。从图1的列表中可以看出，Excel没有提供逻辑值类型(Boolean)，数值类型中没有提供单精度变量(Single)与双精度变量(Double)，整型(Integer)与长整型(Long)。双精度变量为正数时其取值范围从 4.94065645841247E-324 到 1.79769313486232E-308，当然，这样的研究数据我们鲜有机会遇到[1]。

　　如果在研究数据中包含有逻辑值，在利用Excel时可以选择文本格式，赋值选择用“是、否”或“1，0”来描述，虽然不便，但可以解决问题。将此类数据导入到其他应用软件时，比如Access，要更改字段属性进行批量转换。Excel为了保证其直观便捷并提高一般任务的响应速度，在其他方面做出一些牺牲是可以理解的。

　　2 数据的录入

　　2.1 直接录入

　　数据的直接录入方式包括单元格手工填充，选定范围的复制粘贴，工作表的复制粘贴，合并工作簿。灵活运用“选择性粘贴”以及“序列填充”等功能，可以提高数据录入的效率和准确性。在进行复制粘贴时一定要注意“数据来源区域”和“数据目标区域”的匹配，否则可能造成数据丢失。对于在网络中共享的Excel工作簿，可以多用户同时编辑，以提高工作速度和满足异地办公的需求，然后利用工具菜单下的“比较和合并工作簿”选项整合数据。在对工作簿设置共享前，如图2所示，首先要打开工具菜单下的“选项”，在“安全性”选项卡中去除“个人信息选项”。

　　2.2 数据导入

　　Excel的数据导入功能应引起用户的高度重视。在一些科研项目中可能要用到一些源于不同时期、存储格式不同的数据，如何将这些零散数据有机地整合为一体是研究人员经常面对的问题[2]。

　　从图3中可以看到Excel可以导入的数据格式包括Access数据库、ODBC链接、文本文件、dBase文件、网页文件、数据库查询以及Web查询等等，可以满足需求。在任何情况下都不建议研究人员采用文本文件格式保存数据，除不便于录入、浏览、修改等原因外，格式转换过程中可能的数据丢失和破坏是主要考虑。如图4所示，在导入文本文件过程中会对文本进行分列，分列依据为固定宽度或某一分隔符，操作者选择错误会导致不可预知结果。需要从一些专业性较强的数据库中导入数据时，比如Oracle软件，建议由系统管理员或其他专业人员进行相关操作。

　　另外，以Excel格式存储的数据可以便利地调用到其他应用软件中进行处理，可以视其为“通用格式”。

　　2.3 数据录入效率的考虑

　　首先要指出的是，任何提高数据录入效率的措施都必须以保证数据的准确完整为前提。对于反复有规律出现的数据，特别是描述性的内容，可以使用自定义序列，利用自动填充功能完成录入。利用数据有效性选项定义某一数据列的默认输入法，可以避免反复切换。利用“记录单”“新建”方式录入数据，可以避免缺项，符合数据库操作习惯，保证数据的完整性。对于需要多人完成录入的数据，可以考虑将工作簿设为网络共享，并要求每位录入者对自己录入部分进行可靠备份。

　　3 数据质量控制

　　3.1 有效性检查

　　Excel在数据录入阶段就可以对指定字段下的数值进行强制性验证。如果已知某一数据列的全部数值应该介于0.33与74.20之间，则可以按照如图5所示设置数据有效性规则，当输入超出此范围的数据时系统会以对话框的形式给与警示，避免出错。

　　同理，如果某一数据列记录的是计数资料，那么在图5中“允许”下拉菜单中就应该选择“整数”，在“数据”下拉菜单中选择“大于等于”，在“最小值”中输入“0”。

　　3.2 数据的完整性

　　在研究工作中，面对研究对象中的个体或样本，研究人员需要观察的属性以及记录的变量值往往不只一个。对于变量值不全的记录，应当在符合研究条件的情况下重新观察，没有条件做到时，应当及时将有关该个体的全部记录剔除，以保证纳入研究结果数据的完整性，否则会造成统计处理阶段的GIGO现象，即“无用输入、无用输出”。Excel相对于其他专业数据库软件而言，在保证数据完整性方面缺乏足够的手段，更多地依赖使用者自身应用水平。Excel提供的一些工具，比如“数据有效性”选项，“单元格格式设定”，“排序”，“筛选”等对于检查数据的完整性具有一定的辅助作用。

　　3.3 数据的一致性

　　就Excel而言，如果数据的完整性可以直观地理解为某一行内的数据应当满足一定量的要求，那么数据的一致性则可以理解为某一列的数据应该符合一定的规则。专业的数据库软件，在定义某一数据表结构时，其字段属性已经规定了所容纳记录项的具体类型，而Excel则可以反其道而行之，先录入数据，后定义类型，甚至中途变更，而这种便捷性的代价则是很难保证数据的一致性。对数据一致性的理解不应仅局限于数据类型，还需包括不同类型下的细节属性，比如文本的长度，数值的精度(有效数字)以及半定量(等级)资料的表达方法。

　　4 总结

　　在任何一项研究工作中，研究者的大部分努力都投入在了数据收集或准备工作中。 准确完整的数据是揭示研究对象自然属性的有力手段，也是保证研究结果科学性、系统性和可重复性的前提。Excel的便捷和普及使得大部分数据制备工作的效率和准确性都得到了提高，客观看待Excel的局限性，有助于研究人员从研究规划阶段起就对观察(实验)方法、研究对象及变量的设定、数据归纳等问题有全面考虑。

　　【参考文献】

　　1 陆尧，马永福，赵晓明. 大样本四格表卡方检验确切概率法的实现. 锦州医学院学报，2001，22 (1): 86～87.

　　2 陆尧，赵会仁，周卫东，等. 利用VB实现全屏数据编辑功能数据表的方法. 锦州医学院学报，1999，20 (2): 31～33.