如何填补缺失值？看SPSS提供的简单方法

建议采用缺失值填补技术来解决。

在SPSS中，有两个菜单可以完成缺失填补。一个是【转换】菜单下的【替换缺失值】，另一个是【分析】菜单下的【缺失值分析】。

前者特点简单易行，后者特点是略专业复杂一些。多数情况下，我觉得使用【替换缺失值】即可满足需求。因此我在《SPSS从入门到实践提高》视频课程和本文中，主要介绍【替换缺失值】的方法。

一.案例数据

11年间的经济数据，其中2013年"第三产业值"数据缺失，右侧"原始"变量给出真实值，以便对照比较缺失填补的情况，即2013年"第三产业值"实为1162.8。

二.SPSS替换缺失值

菜单：【转换】→【替换缺失值】，对话框如下：

SPSS在此处提供5种缺失填补方法，它们分别是：

1.序列平均值

使用整个序列的平均值填补缺失值。

2.邻近点的平均值

使用有效周围值的平均值填补缺失值。邻近点的跨度为缺失值上下用于计算平均值的有效值个数。

3.邻近点的中位值

使用有效周围值的中位值填补缺失值。邻近点的跨度为缺失值上下用于计算中位值的有效值个数。

4.线性插值

使用线性插值替换缺失值。缺失值之前的最后一个有效值和之后的第一个有效值用来作为插值。如果序列中的第一个或最后一个个案具有缺失值，则不必替换，计算原理类似"临近点的平均值"。

5.该点的线性趋势

使用该点的线性趋势填补缺失值。现有序列在标度为从 1 到 n 的索引变量上回归，用预测值填补缺失值。简单理解为系统将采取线性拟合的方法确定替换值。其他变量作为自变量，缺失序列变量作为因变量，然后进行建模预测。

以上5种方法，大家知道就行，不要过分纠缠计算原理（没有必要费脑，选择相信SPSS）。特别说明，最常用的是前两个基于平均值的方法，简单易懂。

三.举例说明

我跳过第一个方法，文字描述即可说明了。"第三产业值"除2013年缺失外的10个数字，其平均值为750.06，即所谓"序列平均值"，所以是用750.06作为2013年缺失数据之填补值。

举例看一下第2个方法：邻近点的平均值

我们这组数据是时间序列数据，大眼观察发现，"第三产业值"数据是逐年递增的，所以用整个序列的平均值来计算缺失值，会拉低真实情况，显然不好。努力一想，用临近1年的数据或临近2年的数据计算平均值就会更有效果，更切近真实值了。

把存在缺失的"第三产业值"移入【新变量】框内，SPSS会自动创建一个新的变量，用于存放填补后的序列值，不是直接在原始变量上进行覆盖替换（以防后悔）。选择第2个方法：邻近点的平均值。

自动给出新变量的名称：第三产业值_1，用下划线带数字编号的形式和原始变量进行区分。此处数字1可理解为第1次填补。然后一定记住要点击一下右侧的【变化量】按钮让刚才的设置生效。

跨度，软件默跨度2，即缺失值前后各取2个数据，前2后2共四个数字取平均值，本例即886.5、1023.4、1283.3、1427.5，它们四个数据的平均值是1155.175。

看结果吧。SPSS邻近点的平均值给出的结果是1155.18，一致。是不是很好理解呢。

再做第5个方法：该点的线性趋势，设置如下：

我们自己去做回归的话，有点麻烦，我建议不用纠结背后的原理了，反正就是回归建模然后预测，放心大胆的命令软件给出结果吧。

我们前后使用了第1、第2和第5三种方法，显然第2种方法所得到的1155.18是最逼近真实值1162.8的，这也就是为什么邻近点的平均值这个方法比较流行的缘故。一方面好理解，第二方面结果不会太差。

End.作者：数据小兵来源：博客本文均已和作者授权，如转载请与作者联系。