SPSS中的缺失值分析.pdfVIP

SPSS 中的缺失值分析 1、缺失值的出现 在我们日常的分析问卷中经常会遇到缺失值的情况。尽管我们在项目执行的时候千叮咛 万嘱咐一定要回答，并且有着严格的质量控制（那些不严格的质量控制造成的缺失情况更是 难以估计，汗一个~）但还是会遇到很多题选项缺失的情况。缺失值的产生主要有以下几个 方面： a、受访者拒绝回答问题 b、题目中没有选项答案 c、调查研究中的损耗 d、从多个数据源中合并数据 2、缺失值理论 数据的缺失往往都有着一定的规律，总的来说呢，缺失值可以分成以下三种： a、完全随机缺失（MCAR）：缺失现象完全是随机发生的，和自身或其他变量的取值无关； 比如说，受访者在街头接受访问时，突然沙粒吹进了眼睛导致问卷后面的问题无法回答，从 而造成了数据缺失。 b、随机缺失 （MAR）：有缺失值的变量其缺失情况发生与数据集中其他无缺失变量的取 值有关；换句话说，缺失值的概率是由数据集中不含缺失值的变量决定的，而不是由含缺失 值的变量决定的。 c、非随机缺失（MANR）：数据的缺失不仅和其他变量的取值有关，也和自身的取值有关； 比如问题设计过于敏感造成的缺失。 识别缺失数据的产生机制是极其重要的。首先这涉及到代表性问题。从统计上说，非随 机缺失的数据会产生有偏估计，因此不能很好地代表总体。其次，它决定数据插补方法的选 择。随机缺失数据处理相对比较简单，但非随机缺失数据处理比较困难，原因在于偏差的程 度难以把握。 3、SPSS 中处理缺失值的方法 SPSS 中主要应用了三种方法处理缺失值 方法一：删除/报告缺失值 这种方法适用与缺失值非常少的时候，它不需要专门的步骤，通常在相应的分析对话框 中的“options”子对话框中，我拿回归分析对话框为例： 方法二：Replace Missing Analysis 过程 Transform 菜单中的Replace Missing Analysis 过程将所有的记录看成一个序列， 然后采用 某种指标对缺失值进行填充 方法三：Missing value Analysis 过程 Missing value Analysis 过程 SPSS 专门针对缺失值分析而提供的模块，具体是在analyze 菜单下：