विवरण

यह कौशल, स्केल विकास अध्ययन के अंतर्गत एकत्र किए गए कच्चे सर्वे डेटा की व्यवस्थित जाँच करता है। इसमें गुम डेटा, असामान्य अवलोकन, careless responding (straightlining, longstring, random responding), आइटम-स्तरीय वितरण संबंधी समस्याओं, विश्वसनीयता और factorability की पूर्व-शर्तों का मूल्यांकन किया जाता है। यह अंतिम EFA/CFA परिणाम तैयार नहीं करता; इसके बजाय यह प्रमाण-आधारित "go/no-go" निर्णय और स्तरीकृत नमूना विभाजन (EFA/CFA split) का सुझाव देता है, ताकि यह तय किया जा सके कि डेटा अगले विश्लेषण चरणों के लिए तैयार है या नहीं। सभी गणनाएँ वास्तविक कोड निष्पादन (Python: pandas, scipy, factor_analyzer, pingouin) के माध्यम से की जाती हैं; काल्पनिक संख्याएँ उत्पन्न नहीं की जातीं।