缺失值太多可以考虑删除
缺失值越少越好
如果样本量太少 可以考虑填补缺失值
isming函数和sum函数
假设B是矩阵
TF=isming(B)
sum=(TF,1) %计算每一列的和(每一个指标下有多少缺失值)
还可以用 sum(ismissing(data1)) %计算表单1中每一列缺失值的个数
sum=(TF,2) | %计算每一行的和
填补缺失值
横截面数据 %同一时间不同对象的数据
时间需类数据 %同一对象不同时间的数据
对于横截面数据
利用非缺失值的平均值 中位数 众数
V=mean(A,'omitnan'); %平均值
%V =median(A,'omitnan') %中位数
%V=mode(A);%众数,常用于离散变量缺失值的填补 (性别,年级,等级)
对于时间序列数据