對缺失值的處理 (1) 剔除有缺失值的觀測單位, 即刪除SPSS 資料列表中缺失值所在的資料行; 在SPSS 的統計分析程式中, 開啟op t ions 按鈕, 便會出現缺失值的處理欄(m issing values) , 可分別選擇下列選項: exclude cases analysis by analysis (剔除正在分析的變數中帶缺失值的觀察單位) ; exclude case list w ise (剔除所有分析變數中帶缺失值的觀察單位) ;(2) 對缺失值進行估計後補上. 主要有兩種方法:一是根據文獻報道等知識經驗進行估計; 二是用SPSS 提供的工具進行估計. 在“transfo rm ”選單下的“rep lace m issing values”列出了5 種替代的方法: (a) series mean: 以列的算術平均值進行替代; (b)mean of nearly po int: 以缺失值鄰近點的算術平均值進行替代; (c)M edian of nearly po int: 以缺失值臨近點的中位數替代; (d) linear interpo lat ion: 根據缺失值前後的2 個觀察值進行線性內查法估計和替代; (e) linear t rend at po int: 用線形迴歸法進行估計和替代; (3) 將缺失值作為常數值, 如: 作為“0”.
對缺失值的處理 (1) 剔除有缺失值的觀測單位, 即刪除SPSS 資料列表中缺失值所在的資料行; 在SPSS 的統計分析程式中, 開啟op t ions 按鈕, 便會出現缺失值的處理欄(m issing values) , 可分別選擇下列選項: exclude cases analysis by analysis (剔除正在分析的變數中帶缺失值的觀察單位) ; exclude case list w ise (剔除所有分析變數中帶缺失值的觀察單位) ;(2) 對缺失值進行估計後補上. 主要有兩種方法:一是根據文獻報道等知識經驗進行估計; 二是用SPSS 提供的工具進行估計. 在“transfo rm ”選單下的“rep lace m issing values”列出了5 種替代的方法: (a) series mean: 以列的算術平均值進行替代; (b)mean of nearly po int: 以缺失值鄰近點的算術平均值進行替代; (c)M edian of nearly po int: 以缺失值臨近點的中位數替代; (d) linear interpo lat ion: 根據缺失值前後的2 個觀察值進行線性內查法估計和替代; (e) linear t rend at po int: 用線形迴歸法進行估計和替代; (3) 將缺失值作為常數值, 如: 作為“0”.