[spss数据中缺失值处理方法]缺失值（missing data）大致上可分为三种型态，MNAR (missing not at random)指缺失值不是随机的，有可能是问卷的设计，比如说，年收入大于十万请回答A题，小于十万请回答B题，这类的缺失是...+阅读
录入的时候可以直接省略不录入
分析的时候也一般剔除这样的样本。但也有替换的方法，一般有：
均值替换法（mean imputation），即用其他个案中该变量观测值的平均数对缺失的数据进行替换，但这种方法会产生有偏估计，所以并不被推崇。
个别替换法（single imputation）通常也被叫做回归替换法（regression imputation），在该个案的其他变量值都是通过回归估计得到的情况下，这种
方法用缺失数据的条件期望值对它进行替换。这虽然是一个无偏估计，但是却倾向于低估标准差和其他未知性质的测量值，而且这一问题会随着缺失信息的增多而变得更加严重。
多重替代法（multiple imputation）(Rubin, 1977) 。
它从相似情况中或根据后来在可观测的数据上得到的缺省数据的分布情况给每个缺省数据赋予一个模拟值。结合这种方法，研究者可以比较容易地，在不舍弃任何数据的情况下对缺失数据的未知性质进行推断（Little and Rubin,1987; ubin,1987, 1996）。
以下为关联文档：
spss缺失值分析如果缺失值只占数据的5%不到，那么缺失值对数据的影响不大，各种缺失处理方式差异不大，简单点处理就好，比如均值填补，或者索性直接删除有缺失的个案，但均值填补无法利用缺失数据里面...
SPSS处理问卷出现系统缺失值怎样处理缺失值处理简单说就是两种处理，一种是删缺失，一种是填补缺失 在缺失值只占总样本量中很小的比例时，各种处理方式都可以用，区别不大 最简单的，找到那3个缺失的数据，将包含缺失的个...
