第4章 调查数据的预处理抽样调查课件.pptVIP

SPSS有个Missing data analysis栏目,增加了EM (expectation and maximization)填补。 它的方法是把有同样缺失的样本放在同一组,计算它的协方差矩阵（covariance matrix）,然后再根据每组的样本数来校正它对整个样本的权重(weight),从这里再重新填补每个缺失值，这重方法算是现在比较精确的缺失值填补的方法。 总之，缺失值处理方法的选用取决于缺失值的形式、缺失样本总样本的比例等具体情况而定，最终的衡量标准要保证最终数据的客观性与准确性。 统计判别法之一：拉依达准则 如果实验数据的总体x是服从正态分布的，则 根据上式对于大于μ+3σ或小于μ-3σ的实验数据作为异常数据，予以剔除。 剔除后，对余下的各测量值重新计算偏差和标准偏差，并继续审查，直到各个偏差均小于3σ为止。 无需查表，使用简便 对某一长度L测量10次，其数据如下： 试用拉依达准则剔除坏值。 解： 20.33不能用拉依达准则剔除 次数 1 2 3 4 5 6 7 8 9 10 L(cm) 10.35 10.38 10.3 10.32 10.35 10.33 10.37 10.31 10.34 20.33 对某一长度L测量10次，其数据如下： 试用拉依达准则剔除坏值。 解： 20.33用拉依达准则剔除 次数 1 2 3 4 5 6 7 8 9 10 11 L(c