SPSS学习系列缺失值处理Word文件下载.docx

SPSS学习系列缺失值处理Word文件下载.docx

《SPSS学习系列缺失值处理Word文件下载.docx》由会员分享，可在线阅读，更多相关《SPSS学习系列缺失值处理Word文件下载.docx（19页珍藏版）》请在冰豆网上搜索。

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SPSS20自带的实例文件：

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】

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

32

age

975

25

address

850

150

9

income

821

179

71

employ

904

96

15

reside

966

34

33

marital

885

115

ed

965

35

retire

916

84

gender

958

42

a.超出范围（Q1-*IQR，Q3+*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（%），也有最多的极值；

而age（年龄）有最少缺失值（5%）。

估计均值摘要

所有值

EM

回归

估计标准差摘要

使用EM法和回归法进行缺失值的估计和替换后，总体数据的均值和标准差的变化情况，其中“所有值”为原始数据特征，另两行分别是采用EM法、回归法得到的统计参数。

单个方差t检验a

t

.4

.3

.

df

#存在

819

832

693

766

824

#缺失

149

143

128

138

142

均值（存在）

均值（缺失）

793

801

741

792

175

174

157

163

.5

877

881

874

91

94

80

92

.0

.9

856

862

748

728

805

857

112

113

102

93

99

109

.2

888

893

777

751

82

73

70

81

对于每个定量变量，由指示变量（存在，缺失）组成成对的组。

a.不显示少于5%个缺失值的指示变量。

通过单个方差t检验有助于标识缺失值模式可能影响定量变量的变量。

按照相应变量是否缺失将全部记录分为两组，再对所有定量变量在这两组间进行t检验。

判断数据是否完全随机缺失（表示缺失和变量的取值无关）。

例如，似乎年纪较长的响应者更不可能报告收入水平。

当income缺失时，平均age为，与之相比，当income未缺失时为。

实际上，income的缺失似乎影响多个定量（刻度）变量的平均值。

此指示数据可能并未完全随机缺失。

类别变量相对于指示变量的交叉制表

总计

未婚

已婚

SysMis

存在

390

358

%SysMis

380

348

418

387

423

392

101

不显示少于5%个缺失值的指示变量。

观察marital（婚姻状况）表，指示变量的缺失值数量在marital类别之间似乎变化不大。

一个人结婚与否似乎并不影响任何定量（刻度）变量的数据缺失情况。

例如，%未婚者报告address（当前地址居住年限），%已婚者报告相同变量。

差异很小并且很可能是巧合。

未完成中学学历

中学学历

社区学院

大学学位

研究生学位

240

186

56

30

155

229

165

193

50

29

178

254

204

60

278

148

184

52

.7

180

259

207

观察ed（教育程度）的交叉制表。

如果对象至少接受过大学教育，婚姻状况响应更可能缺失。

未接受大学教育的对象中至少%报告婚姻状况。

另一方面，那些拥有大学学位的人中只有%报告婚姻状况。

对于那些曾接受大学教育但未获学位者，数量更少。

是

否

744

732

19

864

40

38

在retire（退休）中可看到更大差异。

那些退休者与那些未退休者相比更不可能报告其收入。

退休客户中只有%报告收入水平，而那些未退休者报告收入水平的百分比为。

男

女

363

456

31

381

406

412

457

400

445

420

461

gender（性别）的另一差异明显。

男性与女性相比，地址信息经常缺失。

虽然这些差异可能是巧合，其似乎不可能。

数据似乎并非随机完全缺失。

制表模式

案例数

缺失模式a

完整数，如果...b

incomec

edd

retired

genderd

475

87

463

12

201

274

X

584

27

17

11

95

14

47

62

16

687

5

1

4

562

21

24

6

85

2

66

13

488

3

535

59

491

10

492

7

18

493

660

8

37

520

22

不显示少于1%个（10个或更少）案例的模式。

a.以缺失模式排列变量。

b.完整案例数，如果未使用该模式（用X标记）中缺失的变量。

c.在各个唯一模式处的均值

d.在各个唯一模式处的频率分布

制表模式显示个别个案中多个变量的数据是否往往缺失，有助于判断数据是否联合缺失。

在超过1%的个案中存在三种模式的联合缺失数据。

变量employ（当前工作年限）和retire（退休）与其它变量对相比更容易缺失。

这并不奇怪，因为retire和employ记录类似信息。

如果您不知道对象是否退休，您很可能也不知道其当前工作年限。

平均income（家庭收入）似乎因缺失值模式的不同变化很大。

实际上，在marital（婚姻状况）缺失时，6%个案的平均Income更高。

（当tenure（服务月数）缺失时其更高，但此模式只占%个案。

）请记住，那些接受更高水平教育者更不可能响应婚姻状况相关问题。

您可以在ed（教育程度）频率中看到此倾向。

通过假定那些接受更高水平教育者赚更多钱并且更不可能报告婚姻状况，我们可能解释income的增加。

注：

下表脚注中的：

【Little的MCAR检验】用来检验数据是否完全随机缺失（原假设为：

是完全随机缺失）。

EM估计统计量

EM均值a

a.Little的MCAR检验:

卡方=，DF=107，显着性=.000

EM协方差a

EM相关性a

.496

.505

.655

.291

.406

.334

.519

.673

.461

.591

回归估计统计量

回归均值a

a.将随机正态变量添加到各个估计。

回归协方差a

回归相关性a

.482

.498

.654

.389

.311

.533

.676

.582

另外还有多重插补法，是综合多种插补缺失值的方法，确定插补数据，因此比单一插补方法更准确。

操作步骤：

【分析】——【多重归因】——【分析模式】/【归因缺失数据值】

具体步骤（略）。