SPSS中的缺失值分析

1、SPSS中的缺失值分析1、缺失值的出現(xiàn)在我們?nèi)粘５姆治鰡柧碇薪?jīng)常會遇到缺失值的情況。盡管我們在項目執(zhí)行的時候千叮嚀萬囑咐一定要回答，并且有著嚴格的質(zhì)量控制（那些不嚴格的質(zhì)量控制造成的缺失情況更是難以估計，汗一個）但還是會遇到很多題選項缺失的情況。缺失值的產(chǎn)生主要有以下幾個a、受訪者拒絕回答問題b、題目中沒有選項答案c、調(diào)查研究中的損耗d、從多個數(shù)據(jù)源中合并數(shù)據(jù)2、缺失值理論數(shù)據(jù)的缺失往往都有著一定的規(guī)律，總的來說呢，缺失值可以分成以下三種：a、完全隨機缺失（MCAR）：缺失現(xiàn)象完全是隨機發(fā)生的，和自身或其他變量的取值無關(guān);比如說，受訪者在街頭接受訪問時，突然沙粒吹進了眼睛導致問卷后面的問題無法

2、回答，從而造成了數(shù)據(jù)缺失。b、隨機缺失（MAR）：有缺失值的變量其缺失情況發(fā)生與數(shù)據(jù)集中其他無缺失變量的取值有關(guān);換句話說，缺失值的概率是由數(shù)據(jù)集中不含缺失值的變量決定的，而不是由含缺失值的變量決定的。c、非隨機缺失（MANR）：數(shù)據(jù)的缺失不僅和其他變量的取值有關(guān)，也和自身的取值有關(guān);比如問題設(shè)計過于敏感造成的缺失。識別缺失數(shù)據(jù)的產(chǎn)生機制是極其重要的。首先這涉及到代表性問題。從統(tǒng)計上說，非隨機缺失的數(shù)據(jù)會產(chǎn)生有偏估計，因此不能很好地代表總體。其次，它決定數(shù)據(jù)插補方法的選擇。隨機缺失數(shù)據(jù)處理相對比較簡單，但非隨機缺失數(shù)據(jù)處理比較困難，原因在于偏差的程度難以把握。3、SPSS中處理缺失值的方法SP

3、SS中主要應(yīng)用了三種方法處理缺失值方法一：刪除/報告缺失值這種方法適用與缺失值非常少的時候，它不需要專門的步驟，通常在相應(yīng)的分析對話框中的“options”子對話框中，我拿回歸分析對話框為例：Lininr3o_ijji.uitin3.L：I3TiILS昏殆UkiutLvtli別wvific*IMSCfitwi*Vit2ftr$:Q喚rvjEjltslimEuniikL*：WiS3Lfl-IVl-U.fcS0 xdiade；JtKclud:iO*-?!-g曲能abilityJk呀”4!usEmL七hHta林氐搶豆是回別好副中Fpticn子對話梔niiK方法二：ReplaceMissingAnal

4、ysis過程Transform菜單中的ReplaceMissingAnalysis過程將所有的記錄看成一個序列，然后采用某種指標對缺失值進行填充方法三：MissingvalueAnalysis過程MissingvalueAnalysis過程是SPSS專門針對缺失值分析而提供的模塊，具體是在analyze菜單下：皿E*tt|欣燈Curt.l|陽FTalueAnalysis護捧賣姐t尸刼3躺s選癢另類變呈ebLjQuulilati宅lEtm25CasLabelsLO廠1sLinatiOin.IiLitlwi-inFLIPdi?e匚師2電L起訃；礙框：厲選舞苒任彥一個衛(wèi)宴連或封組璽更豐今W坯去蛍骼記靈凜都不盡鄭分抄P-iirwfse.E!在具冰ft算眈用71苗愛蠱直有萩疾殖的迅艇將不進入當前俗拆EMU：OEMG期鑒議；