在 SPSS Statistics 中处理缺失值的新增功能
IBM® SPSS® Missing Values 模块帮助您管理数据中的缺失值,并得出更有效的结论。 使用统计算法发现缺失数据模式,估算汇总统计并插补缺失值。 该模块帮助您构建与缺失数据有关的模型,并去除隐藏的偏差。 从事调查和市场研究者、社会科学家、数据挖掘者和其他专业人士都依赖 IBM SPSS Missing Values 来验证其研究数据。
此模块包含在 SPSS Professional 和 Premium 软件包中。 您还可以购买它以添加到 Base 和 Standard 软件包中。 此模块包含在本地部署的 SPSS Professional 版本中,也通过预订套餐的“复杂抽样和测试”附加组件提供。
功能聚焦
多重插补过程
多重插补过程有助于您了解数据集中缺失数据的模式,使您能够用合理的估算值替换缺失值。 它提供了全自动插补模式,基于数据特征选择最合适的插补方法,同时能够定制插补模型。
多重插补分析
生成可能的值以替换缺失值,从而创建多个“完整”数据集。 使用多个插补数据集的分析过程可为每一个“完整”数据集生成输出值,同时生成汇总后的输出值,用于估算假设原始数据集没有缺失值时的结果。 这些汇总结果通常比单一插补方法提供的结果更加准确。
缺失值汇总
您可以使用缺失值的全面汇总报告,快速诊断重大缺失数据问题。缺失值模式报告会对您的数据逐一进行具体概述。它显示每种缺失值的类型以及每个个例的所有极值的快照。缺失值的全面汇总报告可显示为饼图,以展现数据中缺失值的不同方面。
变量汇总和缺失值模式
变量汇总呈现了至少有 10% 缺失值的变量,同时显示表中每个变量缺失值的数量和百分比。 它还显示尺度变量有效值的平均值和标准差,以及所有变量的有效值数量。模式图表显示了分析变量的缺失值模式。每个模式都对应于具有相同模式的完整和不完整数据的一组案例。