（一）数据筛选
数据筛选通常包括两方面：
1.纠错或剔除 一般经数据审核中的专业检查、统计检查、逻辑检查和计算机检查等，可以发现数据中的错误，然后通过核对，对错误数据进行纠正，无法纠正者予以剔除。
2.筛选数据 通过资料搜集可得到大量数据，但有时并非所有数据都与研究目的有关。此时，需要根据研究目的或要求，从所有数据中选择研究所需资料。
（二）数据处理
1.变量设置
统计资料一般分为数值型和分类型两种。数值型资料有确切的观测值，可直接录入计算机，如人的身高、体重等。分类型资料则需要进行数量化处理之后，计算机才能识别和运算。总之，变量的设置方式比较灵活，应综合考虑资料的类型、研究目的、变量的分布及统计分析方法的应用条件。
2.离群值的处理
离群值（outlier）即个别离群较远的数据。一般认为在±3倍标准差以外区域出现的点所对应的原始数据为离群值；在±2倍标准差以外、±3倍标准差以内区域出现的点对应的原始数据可能为离群值。在离群值产生原因未明之前，不能简单决定其取舍，尤其是观测值个数较少时，离群值的取舍对分析结果会产生很大影响，须慎重对待。
其处理分两种情况：
①若确认数据有逻辑错误，又无法纠正，可把数据直接删除。
②若数据并无明显的逻辑错误，可将该数据剔除前后各做一次分析，若两次结果不矛盾，则不剔除；若结果矛盾，并需要剔除，须给出充分合理的解释。
3.缺失值的处理
缺失值（missing data）即在统计资料构成的行列表中，行列相交的单元格中未能记录应有的数据。数据缺失是统计资料中常见的问题，其危害大小取决于缺失的方式、缺失数据的数量和缺失的原因，其中最重要的是缺失方式。缺失值的处理常见的有删除存在缺失值的记录或变量，估计缺失值和建立哑变量等，应根据具体情况选择适当的处理方法。
4.数据分组
数据分组的方法很多，最常用的是：
①数量分组：即按照研究对象某项指标数量的大小进行分组，如按照年龄的大小、血压的高低等分组，适用于数值型资料。
②性质分组：即按照研究对象的性质、特征或类型等分组，如按照性别、血型等分组，适用于分类型资料。
5.数据排序
有时需要对数据进行排序，常见的排序方法有升序、降序和按习惯排序等。
