SPSS中的缺失值分析

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：ReplaceMissingAnalysis过程Transform菜单中的ReplaceMissingAnalysis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：MissingvalueAnalysis过程MissingvalueAnalysis过程是SPSS专门针对缺失值分析而提供的模块，具体是在analyze菜单下：