SPSS学习系列09. 缺失值处理.docVIP

09. 缺失值处理 空缺值（用“.”表示）和输入错误值，都属于缺失值范畴。 输入错误值需要做“数据检验”来发现： （1）【分析】——【描述统计】——【描述】和【频率】 （2）【图形】——【旧对话框】——【箱图】 观察极小、极大值、频率、异常值等来判断。例如，性别“男=1，女=2”，若极大值出现3，则是输入错误值；箱线图或3σ原则发现的异常值，则要先改成缺失值。 缺失值的处理方法通常有四种。 一、删除有缺失值的个案 删除有缺失值的个案，或在具体统计分析时的【选项】——【缺失值】框选择某种处理方法： ①按列表排除个案——只要任何一个变量含有缺失值，就要剔除出所有因变量或分组变量中有缺失值的观测记录； ②按对排除个案——同时剔除带缺失值的观测量及与缺失值有成对关系的观测量（对照分析）； ③使用均值替换——使用该变量的均值替换缺失值。 二、替换缺失值 SPSS提供了5种简单替换缺失值的方法： （1）序列均值——该变量的有效观察值的平均数； （2）临近点的均值——该缺失值前后n个观察值的平均数； （3）临近点的中位数——该缺失值前后n个观察值的中位数； （4）线性插值——该缺失值前后观察值建立插值直线确定【同取n=1的（2）】； （5）点处的线性趋势——以编号为自变量用线性回归法预测值。 现有数据文件： 1.【转换】——【替换缺失值】，打开“替换缺失值”窗口，将变量“统计成绩”选入【新变量】框； 2.【名称和方法】框，设定新变量名称“统计成绩_1”，方法选“序列均值” 3.点【确定】，得到 注意：若某个案的缺失值较多最好删除该个案，而不是替换其缺失值。 三、缺失值分析 SPSS中更高级的处理缺失值的方法是缺失值分析，它能够 （1）缺失值的描述和快速诊断： 用灵活的诊断报告来评估缺失值问题的严重性，用户可以观察到它们在哪些变量中出现，比例是多少，是否与其它变量取值有关，从而得知这些缺失值出现是否会影响分析结论。 （2）得到更精确的统计量： 提供了多种方法用于估计含缺失值数据的均值、相关矩阵或协方差矩阵，通过这些方法计算出的统计量更加可靠。 （3）用估计值替换缺失值： 使用EM或回归法，用户可以从未缺失数据的分布情况中推算出缺失数据的估计值，从而能有效地使用所有数据进行分析，来提高统计结果的可信度。 【缺失值分析】实例操作，使用SPSS 20自带的实例文件： telco_missing.sav 1.【分析】——【缺失值分析】，打开“缺失值分析”窗口，将变量“婚姻状况、教育程度、退休、性别”选入【分类变量】，将变量“服务月数、年龄、现在住址居住年数、家庭收入、现职位工作年数、家庭人数”选入【定量变量】 注意：最大类别（最大分类数）默认为25，超过该数目的分类变量将不引入分析。 2. 点【描述】，打开“描述统计”子窗口，用来设置要显示的缺失值描述统计量。 勾选“单变量统计量”，勾选【指示变量统计量】框的“使用有指示变量形成的分组进行的t检验”和“为分类变量和指示变量生成交叉表”，点【继续】 3. 点【模式】，打开“模式”子窗口，用来设置显示输出表格中的缺失数据模式和范围。 勾选“按照缺失值模式分组的表格个案”； 因为“教育程度”、“退休”和“性别”中的缺失模式似乎影响数据，“家庭收入”含有大量缺失值，将这些变量选入【附加信息】； 其它保持默认，点【继续】 4. 回到原窗口，勾选【估计】框中的“EM”和“回归”，其它默认设置。点击【EM】或【回归】按钮可以修改其设置 注意：若要保存替换缺失值之后的数据，需要勾选“保存完成数据”：创建新数据集并命名，或写入新数据文件。 另外，默认使用所有变量进行分析，若要选择部分变量，可点【变量】按钮修改。 点【确定】，得到输出结果： 单变量统计 N 均值 标准差 缺失 极值数目a 计数 百分比 低 高 tenure 968 35.56 21.268 32 3.2 0 0 age 975 41.75 12.573 25 2.5 0 0 address 850 11.47 9.965 150 15.0 0 9 income 821 71.1462 83.14424 179 17.9 0 71 employ 904 11.00 10.113 96 9.6 0 15 reside 966 2.32 1.431 34 3.4 0 33 marital 885 115 11.5 ed 965 35 3.5 retire 916 84 8.4 gender 958 42 4.2 a. 超出范围（Q1 - 1.5*IQR，Q3 + 1.5*IQR）的案例数。 提供了数据的一般特征，给出了所有分析变量缺失数据的频数、百分比，定量变量的均值、标准差、极值数目。 income（家庭收入）有最多具有缺失值（17