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(xiàng)目執(zhí)行的時候千叮嚀萬囑咐一定要回答，并且有著嚴(yán)格的質(zhì)量控制（那些不嚴(yán)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(xiàng)缺失的情況。缺失值的產(chǎn)生主要有以下幾個方面：a、受訪者拒絕回答問題b、題目中沒有選項(xiàng)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(jī)缺失（MCA

2、R）：缺失現(xiàn)象完全是隨機(jī)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(jìn)了眼睛導(dǎo)致問卷后面的問題無法回答，從而造成了數(shù)據(jù)缺失。   b、隨機(jī)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(jī)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。        

3、 識別缺失數(shù)據(jù)的產(chǎn)生機(jī)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(jī)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(bǔ)方法的選擇。隨機(jī)缺失數(shù)據(jù)處理相對比較簡單，但非隨機(jī)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   SPSS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?yàn)槔悍椒ǘ篟eplace Missing Analysis 過程Transform菜單中的Replace Missing Analysis 過程將所有的記錄看成一個序列， 然后采用某種指標(biāo)對缺失值進(jìn)行填充方法三：Missing value Analysis 過程    Missing