虽然特定于 Stata，但我发现 Scott Long 的书The Workflow of Data Analysis Using Stata在数据管理和准备领域非常宝贵。作者就数据管理的良好实践提供了许多有用的建议，例如清理和归档数据、检查异常值和处理缺失数据。

对于 SAS，有 Ron Cody 的使用 SAS 软件的数据清理技术。SAS-L 上有一句谚语：“Ron Cody 的书永远不会出错”

如果您具有取决于主题的基础知识（识别异常值、缺失值、加权、编码），那么可以在简单的学术文献中找到更多内容。例如，在调查研究中（这是一个很多事情都可能出错的话题，并且容易产生许多偏见），有很多好的文章可以找到。

在准备常规横断面回归时，事情可能不那么复杂。例如，可能存在的问题是您删除了太多“异常值”，从而人为地拟合了您的模型。

因此我也建议你除了学习好的技术外，还要记住常识。确保正确地而不是盲目地应用这些技术。至于其他答案中的软件讨论。我认为 SPSS 在数据准备方面还不错（我也听说过关于 SAS 的好消息），具体取决于您的数据集大小。下拉菜单非常直观。

但作为对您问题的直接回答，学术文献可能是也可能不是您的数据准备的一个很好的来源，具体取决于主题和分析。