SPSS缺失值得分析處理

在資料收集的過程中，由于各種原因可能導致數據收集不全，就會產生缺失值，且這種情況往往無法避免。如果缺失值處理不當，就會導致分析結果精度降低，出現偏倚甚至是錯誤的理論，因此缺失值的分析顯得尤為重要。數據的缺失經常會存在著一定的規律，為了認識和研究缺失數據，按照數據缺失形式，我們常將其分為單元缺失與項目缺失兩種。

（1）單元缺失：只針對需調查的個案進行調查而沒有得到個案信息。如對整個班級進行調查，發放60分調查表，部分調查對象未交回調查表導致的資料缺失。這種缺失在數據分析階段常常無能為力。

（2）項目缺失：指在調查內容中某些變量的觀測結果有缺失。如對整個班級進行調查后，收回的調查表中，部分女生因為“保密”而未填寫體重一項，造成資料缺失。

無論缺失數據的形式是單元缺失還是項目缺失，從缺失機制與方式上又可將其分為完全隨機缺失、隨機缺失與非隨機缺失。

（1）完全隨機缺失（Missing Completely at Random,MCAR）指已評價的結果或即將要進行的評價結果中，研究對象的缺失率是獨立的。即缺失現象完全隨機發生，與自身或其他變量取值無關。如調查進行中，因被調查對象接到電話，或緊急事件馬上離開，調查無完成導致缺失。

（2）隨機缺失（Missing at Random,MAR）指缺失數據的發生與數據庫中其他無缺失變量的取值有關。某一觀察值缺失的概率僅依賴已有的觀察結果。比如，研究某新藥對高血壓患者的療效，但一些血壓過高的患者，根據納入標準予以排除。MAR是最常見的缺失機制。

（3）非隨機缺失（MIssing Not at Random,MNAR）指數據的缺失不僅與其他變量的取值有關，缺失率與缺失數據有關，也和自身有關。這種缺失大都不是偶然因素所造成的，常常是不可忽略的，比如在調查收入時，收入高的人出于各種原因不愿意提供家庭年收入值。對于MNAR此種缺失機制，目前尚無特別有效的方法能進行處理。

識別缺失數據的產生機制是極其重要的，首先這涉及到代表性問題，從統計上說，非隨機缺失的數據會產生偏估計，因此不能很好地代表總體。其次，它決定數據插補方法的選擇。隨機缺失數據處理相對比較簡單，但非隨機缺失數據處理比較困難，原因在于偏差的程度難以把握。

面對不同的數據缺失情況，那我們該如何處理呢？大致上我們把處理方法歸為以下幾類。

1、刪除缺失值

最常見、最簡單的處理缺失數據的方法，使用這種方法時，如果任何個案在某一變量含有缺失數據的話，就把相對應的個案從分析中剔除。如果缺失值所占比例較小 的話，這一方法十分有效。然而，這種方法卻有很大的局限性，它是以減少樣本量來換取信息的完備，會造成資源的大量浪費，丟棄了大量隱藏在這些對象中的信息。

2、缺失值代替

即“轉換”選項卡中“替換缺失值”菜單過程。此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，它實際上專門用于解決時間序列模型中的缺失值問題。雖然其中的一些填充方法也可以用于普通數據，但相比之下，如果在序列數據中使用該過程可能得不償失，應當謹慎使用。常用的填充方式由算術均數、缺失值鄰近點的算術均數、中位數以及線性插入等。

3、缺失值分析

此過程是SPSS專門針對缺失值分析而提供的模塊，他提供了對缺失值問題全面而強大的分析能力，主要功能有以下3種:

（1）缺失值的描述和快速診斷：用靈活的診斷報告來評估缺失值問題的嚴重性，用戶可以觀察到它們在哪些變量中出現，比例為多少，是否與其他變量取值有關，從而得知這些缺失值出現是否會影響分析結論。

（2）得到更精確的統計量：提供了多種方法用于估計含缺失值數據的均值、相關矩陣或協方差矩陣，通過這些方法計算出的統計量將更加可靠。

（3）用估計值替換缺失值：使用EM或回歸法，用戶可以從未缺失數據的分布情況中推算出缺失數據的估計值，從而能有效地使用所有數據進行分析，來提高統計結果的可信度。

在前述的3種缺失機制中，非隨機缺失很難得到有效的統計學處理，SPSS的缺失值分析模塊主要是對MCAR和MAR的情形進行分析，尤其是后者。