SPSS缺失值得分析處理

在資料收集的過程中，由于各種原因可能導(dǎo)致數(shù)據(jù)收集不全，就會(huì)產(chǎn)生缺失值，且這種情況往往無(wú)法避免。如果缺失值處理不當(dāng)，就會(huì)導(dǎo)致分析結(jié)果精度降低，出現(xiàn)偏倚甚至是錯(cuò)誤的理論，因此缺失值的分析顯得尤為重要。數(shù)據(jù)的缺失經(jīng)常會(huì)存在著一定的規(guī)律，為了認(rèn)識(shí)和研究缺失數(shù)據(jù)，按照數(shù)據(jù)缺失形式，我們常將其分為單元缺失與項(xiàng)目缺失兩種。

（1）單元缺失：只針對(duì)需調(diào)查的個(gè)案進(jìn)行調(diào)查而沒有得到個(gè)案信息。如對(duì)整個(gè)班級(jí)進(jìn)行調(diào)查，發(fā)放60分調(diào)查表，部分調(diào)查對(duì)象未交回調(diào)查表導(dǎo)致的資料缺失。這種缺失在數(shù)據(jù)分析階段常常無(wú)能為力。

（2）項(xiàng)目缺失：指在調(diào)查內(nèi)容中某些變量的觀測(cè)結(jié)果有缺失。如對(duì)整個(gè)班級(jí)進(jìn)行調(diào)查后，收回的調(diào)查表中，部分女生因?yàn)椤氨Ｃ堋倍刺顚戵w重一項(xiàng)，造成資料缺失。

無(wú)論缺失數(shù)據(jù)的形式是單元缺失還是項(xiàng)目缺失，從缺失機(jī)制與方式上又可將其分為完全隨機(jī)缺失、隨機(jī)缺失與非隨機(jī)缺失。

（1）完全隨機(jī)缺失（Missing Completely at Random,MCAR）指已評(píng)價(jià)的結(jié)果或即將要進(jìn)行的評(píng)價(jià)結(jié)果中，研究對(duì)象的缺失率是獨(dú)立的。即缺失現(xiàn)象完全隨機(jī)發(fā)生，與自身或其他變量取值無(wú)關(guān)。如調(diào)查進(jìn)行中，因被調(diào)查對(duì)象接到電話，或緊急事件馬上離開，調(diào)查無(wú)完成導(dǎo)致缺失。

（2）隨機(jī)缺失（Missing at Random,MAR）指缺失數(shù)據(jù)的發(fā)生與數(shù)據(jù)庫(kù)中其他無(wú)缺失變量的取值有關(guān)。某一觀察值缺失的概率僅依賴已有的觀察結(jié)果。比如，研究某新藥對(duì)高血壓患者的療效，但一些血壓過高的患者，根據(jù)納入標(biāo)準(zhǔn)予以排除。MAR是最常見的缺失機(jī)制。

（3）非隨機(jī)缺失（MIssing Not at Random,MNAR）指數(shù)據(jù)的缺失不僅與其他變量的取值有關(guān)，缺失率與缺失數(shù)據(jù)有關(guān)，也和自身有關(guān)。這種缺失大都不是偶然因素所造成的，常常是不可忽略的，比如在調(diào)查收入時(shí)，收入高的人出于各種原因不愿意提供家庭年收入值。對(duì)于MNAR此種缺失機(jī)制，目前尚無(wú)特別有效的方法能進(jìn)行處理。

識(shí)別缺失數(shù)據(jù)的產(chǎn)生機(jī)制是極其重要的，首先這涉及到代表性問題，從統(tǒng)計(jì)上說，非隨機(jī)缺失的數(shù)據(jù)會(huì)產(chǎn)生偏估計(jì)，因此不能很好地代表總體。其次，它決定數(shù)據(jù)插補(bǔ)方法的選擇。隨機(jī)缺失數(shù)據(jù)處理相對(duì)比較簡(jiǎn)單，但非隨機(jī)缺失數(shù)據(jù)處理比較困難，原因在于偏差的程度難以把握。

面對(duì)不同的數(shù)據(jù)缺失情況，那我們?cè)撊绾翁幚砟?？大致上我們把處理方法歸為以下幾類。

1、刪除缺失值

最常見、最簡(jiǎn)單的處理缺失數(shù)據(jù)的方法，使用這種方法時(shí)，如果任何個(gè)案在某一變量含有缺失數(shù)據(jù)的話，就把相對(duì)應(yīng)的個(gè)案從分析中剔除。如果缺失值所占比例較小 的話，這一方法十分有效。然而，這種方法卻有很大的局限性，它是以減少樣本量來(lái)?yè)Q取信息的完備，會(huì)造成資源的大量浪費(fèi)，丟棄了大量隱藏在這些對(duì)象中的信息。

2、缺失值代替

即“轉(zhuǎn)換”選項(xiàng)卡中“替換缺失值”菜單過程。此過程將所有的記錄看成一個(gè)序列，然后采用某種指標(biāo)對(duì)缺失值進(jìn)行填充，它實(shí)際上專門用于解決時(shí)間序列模型中的缺失值問題。雖然其中的一些填充方法也可以用于普通數(shù)據(jù)，但相比之下，如果在序列數(shù)據(jù)中使用該過程可能得不償失，應(yīng)當(dāng)謹(jǐn)慎使用。常用的填充方式由算術(shù)均數(shù)、缺失值鄰近點(diǎn)的算術(shù)均數(shù)、中位數(shù)以及線性插入等。

3、缺失值分析

此過程是SPSS專門針對(duì)缺失值分析而提供的模塊，他提供了對(duì)缺失值問題全面而強(qiáng)大的分析能力，主要功能有以下3種:

（1）缺失值的描述和快速診斷：用靈活的診斷報(bào)告來(lái)評(píng)估缺失值問題的嚴(yán)重性，用戶可以觀察到它們?cè)谀男┳兞恐谐霈F(xiàn)，比例為多少，是否與其他變量取值有關(guān)，從而得知這些缺失值出現(xiàn)是否會(huì)影響分析結(jié)論。

（2）得到更精確的統(tǒng)計(jì)量：提供了多種方法用于估計(jì)含缺失值數(shù)據(jù)的均值、相關(guān)矩陣或協(xié)方差矩陣，通過這些方法計(jì)算出的統(tǒng)計(jì)量將更加可靠。

（3）用估計(jì)值替換缺失值：使用EM或回歸法，用戶可以從未缺失數(shù)據(jù)的分布情況中推算出缺失數(shù)據(jù)的估計(jì)值，從而能有效地使用所有數(shù)據(jù)進(jìn)行分析，來(lái)提高統(tǒng)計(jì)結(jié)果的可信度。

在前述的3種缺失機(jī)制中，非隨機(jī)缺失很難得到有效的統(tǒng)計(jì)學(xué)處理，SPSS的缺失值分析模塊主要是對(duì)MCAR和MAR的情形進(jìn)行分析，尤其是后者。