SPSS缺失值：缺失值分析

一、缺失值：

具有缺失值的個案會引發嚴重的問題，因為典型的建模過程會簡單地從分析中丟棄這些個案。如果存在少量缺失值（大約低于個案總數的5%），且這些值可以被認為隨機缺失，即值的缺失不依賴于其他值，則列表刪除的典型方法相對比較“安全”?！?a href='/map/queshizhi/' style='color:#000;font-size:inherit;'>缺失值”選項可以幫助確定列表刪除是否足夠，并在必要時提供其他缺失值處理方法。

1、多重插補：過程提供了缺失數據模式分析，著眼于最終對缺失值進行多重插補。這意味著會產生多個版本的數據集，它們分別包含各自的插補值集。在執行統計分析時，匯集了針對所有插補數據集的參數估計，因此提供的估計結果通常比單個插補更為準確。

2、缺失值分析：提供了略微不同的描述性工具集，用以分析缺失數據（尤其是Little’sMCAR檢驗），并包括多種單一插補方法。注意，多重插補通常被認為優于單一插補。

二、缺失值分析（分析-缺失值分析）

缺失值分析有助于解決由不完整的數據造成的若干問題。如果帶有缺失值的個案與不帶缺失值的個案有著根本的不同，則結果將被誤導。此外，缺失的數據還可能降低所計算的統計量的精度，因為計算時的信息比原計劃的信息要少。另一個問題是，很多統計過程背后的假設都基于完整的個案，而缺失值可能使所需的理論復雜化。

1、示例。在評估白血病治療方式時，將測量幾個變量。但是，并不是針對每個患者都進行所有的測量。缺失數據的模式以表格形式顯示出來，表現為隨機的。EM分析用于估計均值、相關性和協方差。它還用來確定數據正在隨機完全缺失。缺失值然后將由歸因值替換，并保存到新的數據文件中以供進一步分析。

2、統計量。單變量統計量，包括非缺失值個數、均值、標準差、缺失值個數以及極值個數。使用列表法、成對法、EM法或回歸法的估計均值、協方差矩陣以及相關性矩陣。對EM結果進行的Little的MCAR檢驗。按各種方法進行的均值總計。對于按缺失和非缺失值定義的組：t檢驗。對于所有變量：按個案與變量顯示的缺失值模式。

3、數據。數據可以是分類數據或定量數據（刻度或連續）。盡管如此，您只能為定量變量估計統計數據并插補缺失數據。對于每個變量，必須將未編碼為系統缺失值的缺失值定義為用戶缺失值。例如，如果將對問卷項的回答不知道編碼為5，并且您希望將其視為缺失，則對于此項應將5編碼為用戶缺失值。

4、頻率權重。此過程接受頻率（復制）權重。忽略復制權重為負值或零值的個案。非整數權重被截斷。

5、假設。列表法、成對法和回歸法估計都基于這樣的假設：缺失值的模式不依賴于數據值。（此條件又稱為完全隨機缺失，即MCAR。）因此，當數據為MCAR時，所有估計方法（包括EM法）提供相關性和協方差的一致無偏估計。違反MCAR假設可能導致由列表法、成對法和回歸法生成的有偏差的估計。如果數據不是MCAR，則您需要使用EM估計。

6、相關過程。很多過程都允許您使用列表或成對估計?！?a href='/map/xianxinghuigui/' style='color:#000;font-size:inherit;'>線性回歸和因子分析”允許用均值替換缺失值。預測附加模塊提供了幾種方法，可用于按時間序列替換缺失值。

二、估計統計量與插補缺失值（分析-缺失值分析）

您可以使用列表法（僅限完整個案）、成對法、EM（期望最大化）法和/或回歸法選擇估計均值、標準差、協方差和相關性。您還可以選擇插補缺失值（估計替換值）。注意，在解決缺失值問題方面，多重插補通常被認為優于單一插補。Little’s MCAR檢驗對于確定是否需要進行插補方面仍然有效。

1、列表法：此方法僅使用完整個案。一旦任何分析變量具有缺失值，計算中將忽略該個案。

2、成對法：此方法參見分析變量對，并只有當其在兩種變量中都具有非缺失值時才使用個案。頻率、均值以及標準差是針對每對分別計算的。由于忽略個案中的其它缺失值，兩個變量的相關性與協方差不取決于任何其它變量的缺失值。

3、EM法：此方法假設一個部分缺失數據的分布并基于此分布下的可能性進行推論。每個迭代都包括一個E步驟和一個M步驟。在給定觀察值和當前參數估計值的前提下，E步驟查找“缺失”數據的條件期望值。這些期望值將替換“缺失”數據。在M步驟中，即使填寫了缺失數據，也將計算參數的最大似然估計值?！叭笔А卑谝栔?，因為缺失值不是直接填寫的。而其函數用于對數似然。

用于檢驗值是否完全隨機丟失（MCAR）的Roderick J. A. Little卡方統計量作為EM矩陣的腳注印刷。對于此檢驗，原假設就是數據完全隨機缺失且0.05水平的p值顯著。若值小于0.05，則數據將不會完全隨機缺失。數據可能隨機缺失（MAR）或不隨機缺失（NMAR）。您無法假設一個或其它數據缺失，而是需要分析數據以確定數據是如何缺失的。