遺漏值簡介

具有遺漏值的觀察值會面臨嚴重問題，因為一般建模程序會簡單地從分析中捨棄這些觀察值。 若有遺漏值（大致上小於觀察值總數的 5%），且這些值可以視作隨機遺漏；即是否遺漏值和其他值無關，則一般的清單化刪除方法相對「安全」。 「遺漏值」選項可幫助您判定清單化刪除是否足夠，並提供在此方法不足時處理遺漏值的方法。

遺漏值分析和多重插補程序

「遺漏值」選項提供兩組處理遺漏值的程序：

• 多重插補 程序提供對遺漏資料型樣的分析，並針對遺漏值的最終多重插補。 即，產生多個版本的資料集，每一個資料集包含自己的一組插補值。 當執行統計分析時，將對所有插補資料集的參數估計進行聯合排存，提供一般比單次插補更為準確的估計。
• 遺漏值分析 提供一組略有不同的描述性工具來分析遺漏資料 (尤其是 Little 's MCAR 檢定) ，並包含各種單一插補方法。 請注意，一般認為多重插補優於單一插補。

遺漏值作業

您可以透過下列基本步驟開始分析遺漏值：

1. 檢查遺漏。 使用「遺漏值分析」和「分析型樣」來探索資料中遺漏值的型樣，並判定多重插補是否必要。
2. 插補遺漏值。 使用「插補遺漏資料值」來乘以插補遺漏值。
3. 分析「完整」資料。 使用支援多重插補資料的任何程序。 如需分析多重插補資料集及支援這些資料的程序清單的相關資訊，請參閱 分析多重插補資料 。