使用 SPSS 和 PASW/理解缺失值对话框
关于缺失数据的处理有很多文献（例如，参见 Allison (2001) 以获取参考文献[1]），我不想在这里处理方法论问题。相反，我想更详细地解释缺失值对话框。以下是对话框
请注意，您可以指定最多三个离散整数或字符串值，或一个范围，来代表缺失数据。如果您想分析数据中存在的缺失值，您可能希望使用多个指标（例如，您可能有“随机缺失”、“完全随机缺失”和“非随机缺失”的选择），但如果您只对消除这些情况（数据点）感兴趣，那么一个指标就足够了。
请注意，如果您的变量是数值型，那么您用于指示缺失数据的代码也必须是数值型。
在可能的情况下，选择一个缺失值代码，该代码作为该变量的测量值在逻辑上不可能。例如，年龄为 -1。您可能考虑使用 999 作为年龄的缺失代码，因为它是不可能的年龄，但最好指定不可能的而不是不太可能的。对于字符串变量，您可以使用任何字符串，例如，NA 代表不适用，或简单的缺失。
在您在变量视图中完成缺失值对话框后，您仍然需要输入数据，因为变量的默认缺失值不会是您的缺失值。相反，它将是数值变量的系统缺失（用句号表示），以及字符串变量的空格。
如果您只有几个缺失实例，您可以手动执行此操作。首先，按相关变量对数据进行排序，以便空单元格首先出现，从而方便任务执行。
但是，如果您有大量的缺失数据点，那么使用转换 → 重新编码为同一变量对话框重新编码系统缺失数据会更容易。对于数值变量，在对话框的左侧，选择系统缺失作为旧值，在右侧，选择您的缺失代码作为新值。对于字符串数据，您将输入空格，而不是系统缺失作为旧值。
继续 使用 SPSS 和 PASW/理解输出窗口 >>