SPSS資料缺失值處理方法，SPSS操作及結果解讀，資料分析報告撰寫

更多影片課程在我的空間裡，請大家移步觀看！

代統計分析資料可以私信我喲！

SPSS資料缺失值處理方法影片教程：

SPSS資料缺失值處理方法，SPSS操作及結果解讀，SPSS資料分析報告

導 讀

在實際工作中，經常會遇到樣本資料缺失的問題。資料的缺失可能會造成資料統計結果的偏差，特別是對於樣本量不大的資料來說，資料缺失量較大時甚至會影響到最終結論的給出。所以，對資料缺失值進行補充是有一定必要的。

上期，我們談到了

《

醫學資料缺失值在SPSS中的處理方法之均值替代法

》

本期，我們繼續談談資料缺失值的處理方法之迴歸估計法。迴歸估計法（regression），即是以存在缺失值的變數為因變數，以其他全部或部分變數為自變數，用無缺失的資料擬合迴歸方程：以方程的預測值作為該記錄缺失值的初步估計值，再以全部資料擬合迴歸方程；如此迭代，直至兩次方程預測值基本一致，並以此作為缺失值的估計值。

一、資料概況

資料具體如下（僅展示存在缺失值資料列），其中，“……”表示該處資料值存在缺失，從資料表可以看出，缺失值主要出現在“舒張壓”和“心率”資料列，共存在7處缺失。

二、在SPSS中的操作步驟

①依次點選“分析——缺失值分析”

②將變數分別選入“定量變數”和“分類變數”中——勾選“迴歸”方法。

③點選“迴歸”選項——勾選“儲存完成資料”，並命名新的插補後的資料。

④得到插補後的資料列及具體補充資料。

三、小結

本例以“舒張壓”和“心率”為因變數，以“組別”、“性別”、“年齡”、“身高”、“體重”、“收縮壓”為自變數，採用迴歸估計法對存在缺失值的醫學資料在SPSS中進行了缺失值的補充步驟展示。迴歸估計法在進行缺失值填補時較為客觀，但可能存在對方差的低估，適用於有適合的“自變數”完整資料存在時。後續，我們將陸續更新更多醫學資料缺失值的處理方法，敬請關注！

影片課程在我的空間裡，請大家移步觀看！

代統計分析資料可以私信我喲！

相關影片課程（更多資料分析影片教程及文章在我空間裡哦）

SPSS正態性檢驗操作及結果解讀，SPSS資料分析報告撰寫

SPSS配對樣本t檢驗在SPSS中的操作，輸出結果及SCI資料分析報告

3初始SPSS——如何用SPSS確定資料參考值範圍——杏花開醫學統計

初識SPSS資料分析：如何蒐集資料？SPSS資料採集要點！