Missing value缺失值的处理及SPSS操作.pdfVIP

缺 失 值（Missing value ）  Step 1. 确定 missing data 的类型 可以 忽略 Missing data 可以忽略吗？ 不可以 Step 2. 确定 missing data 的程度 Missing data 的程度足以保证分析吗？ 很少 Go to step 4 缺失值数量很少、足以保证不影响结果 吗？ （指标：10%） 删除个案 很多 或变量 需要 分析个案和变量 缺失值太多需要删除个案或变量吗？ 不需要删 Step 3. 鉴别数据缺失过程的随机性 数据缺失过程是 MAR 还是 MCAR   * Nonrandom missing data process 非随机性数据缺失过程  当Y 值有效的个案所对应的 X 值，与 Y 值缺失的个案所对应的 X 值之间存在显著差异时，X 和 Y 之间就呈现 了非随机性数据缺失过程（Hair et al., 2010, pp.48）。  评价缺失数据时随机性有两种程度：MAR 和 MCAR。  MAR （missing at random，随机缺失）：如果 Y 的缺失值依赖于X 而非依赖 Y ，就是 MAR。也就是说，对于 每个 X 值，Y 的观测值代表Y 真实值的随机样本，但是，Y 的观测值并不一定代表所有Y 真实值的随机样本。 尽管样本中数据缺失过程是随机的，但它的值并不能推广至总体。通常情况下，在组内数据是随机缺失的， 但在组间存在差异。例如，X （性别），Y （收入）。假设男性和女性的收入数据缺失都是随机的，但男性的 频率多于女性。  MCAR （missing completely at random，完全随机缺失）：Y 的观测值是所有Y 真实值的真正随机样本，无法 判断存在潜在的过程可以导致观测偏差。简单地说，缺失数据的个案与数据完整的个案没有差异。   NB. 完全没有必要纠结随机非随机了，只要知道有缺失值的和没有缺失值的个案，如果有差异，就是 MAR； 没有差异，就是 MCAR 。  那么，如何判断是 MAR 还是 MCAR？  SPSS 中，analyzemissing value analysisEM，在 EM 表中，下方有 Little’s MCAR test ：卡方、DF、sig.，据 此判断是 MAR 还是 MCAR。例如，在我的数据中：    sig.0.005，应该是 MMAR 。  接下来：  Step 3. 鉴别别数据缺失过过程的随机性性 数据缺失过过程是 MAR 还是 MCAR MAR MCAR Stepp 4. 选择替换换方法