SPSS学习系列09 缺失值处理Word文档下载推荐.docx

1、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】最大类别（最大分类数）默认为25，超过该数目

2、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

3、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tenure96835.5621.268323.2age97541.7512.573252.5address85011.479.96515015.09income82171.146283.1442417917.971employ90411.0010.113969.615reside9662.321.431343.433marital8851

4、1511.5ed965353.5retire916848.4gender958424.2a. 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（17.9%），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EM36.1241.9111.5877.394111.222.29回归35.7741.6811.5974.317410.99估计标准差摘要21.46812.69910.26587.5486010.1651.4

5、1621.18812.5349.93584.7143010.2421.423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at.4.3.1.41.0df202.2192.5313.6191.1199.5# 存在819832693766824# 缺失149143128138142均值（存在）35.6841.7974.077911.202.34均值（缺失）34.9141.4955.27349.862.21-5.0-8.3-3.9-5.93.6249.5222.8203.33

6、15.279380174179217517415716333.9340.0110.679.912.3942.9749.7314.9715.932.02-1.0-.4-.7.5-.3110.5110.297.6114.9110.98778818749194809235.3441.6911.3771.49532.3137.7042.2712.3267.91252.37.01.81.2-.8.9-2.2148.1149.5138.8121.2128.3134.2856862748728805857112113102939910942.0011.6170.388711.102.2835.5739.85

7、10.4377.075310.172.61-.6.295.494.484.093.299.08888937777518273708135.4441.7011.4271.335636.8942.2911.9669.11432.30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

8、age 为49.73，与之相比，当income 未缺失时为40.01。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39035885.085.583.488.7% SysMis14.516.611.338034882.183.381.180.916.718.919.141838790.491.790.286.18.39.813.942339210191.692.891.487.87.28.612.2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，85.5% 未婚者报告address（当前地址居住年限），83.4% 已婚者报告相同变量。差异很小