SPSS问卷缺失值【011-1期】

在这里插入代码片

在日常工作及科学研究中，当处理样本较大的群体调查时，由于多种原因可能会导致所收集的数据不完整，这时的初始数据中就含有缺失值。缺失值带来许多负面影响。比如：含缺失值的观测可以看作是正常观测的系统误差，就会导致计算结果不准确；获得的信息比预期要少，这导致计算统计量的精度低；许多统计过程的假设是基于完整数据的，数据不完整将导致计算过程无法进行。
在SPSS中可以采用多种方式对缺失值进行灵活处理。比如， 在各个统计析过程里加入处理缺失值的选项，或者在分析通过缺失值替换过程前先处理缺失值。本章将介绍专门的缺失值分析过程。

11.1 调查问卷缺失值处理方法
缺失值是统计人员和数据采集人员所不愿见到的，但也是无法避免的。在大型的数据采集任务中，即使有着非常严格的质量控制，含有缺项、漏项的记录也可能很容易地达到10%。进行敏感问题的调查时，缺失值问题就更加突出了，比如问卷中涉及了家庭收入、婚外性伴侣问题时，许多受访者都会以漏填来避免尴尬。
有些统计分析方法采取将含缺失值的观测记录直接删除的做法，当缺失值较少时，这有太大问题；但当缺失值数量较多时，这样做会直接丢失大量的信息，并有可能会导致错误结论，故而进行更为系统的缺失值分析是非常有必要的。

11.1.1 缺失值的类型与处理方法
数据的缺失是有一定规律的， 其缺失方式大致可以分为以下3种：完全随机缺失(Missing
Completely At Random， MCAR) 、随机缺失(Missing At Random， MAR) 和非随机缺失(Missing AtNon-Rand