发布时间:2022-11-24 14: 21: 03
品牌型号:Dell N5010
系统:Windows 10
软件版本:IBM SPSS Statistics
在数据调查过程中,工作人员常常会遇到数据缺失现象。数据缺失分为三类,随机缺失,完全随机缺失,非随机缺失。无论哪种缺失,都可能导致严重的问题,或者大大降低统计的精度。利用IBM SPSS Statistics可以对数据缺失值进行分析,关于SPSS缺失值分析步骤是怎样的,SPSS缺失值分析结果怎么看的问题?本文结合实例,为大家做简单介绍。
一、SPSS缺失值分析步骤
由于非随机缺失值所在变量与自身取值有关(例如,高收入群体往往不愿意透露收入水平),或者与其他变量有关(例如,年龄项目缺失值可能与性别有关,因为很多女性不愿透露年龄),所以非随机缺失值难以进行估计分析。因此缺失值分析一般针对随机缺失和完全随机缺失类型。
图1是某个群体男性身高体重统计表,我们以此为例,使用SPSS进行缺失值分析。
点击【分析】,【缺失值分析】,弹出图2所示的对话框,将“身高”和“体重”指定为“定量变量”,勾选“EM”。
点击【模式】,勾选“个案表(按缺失值模式分组)”,将“变量-以下对象的缺失模式”指定为“以下对象的附加信息”,如图3所示,点击继续。
点击【描述】,勾选“单变量统计”,“使用由指示符变量构成的组执行t检验”,“生成分类变量和指示符变量的交叉表”,点击继续。点击确定即可。
以上就是SPSS缺失值分析的基本步骤,EM方法分析结果是怎样的?如何进行解读?我们在第二小节中向大家介绍。
二、SPSS缺失值分析结果怎么看
首先查看独立方差t检验,身高存在时,体重均值为67.588,身高缺失时,体重均值为62.000,体重存在时,身高均值为170.627,体重缺失时,体重均值为168.067,粗略来看,身高和体重未相互影响,提示两者为完全独立变量,但此时不能完全确定,还要结合EM相关性检验结果。
继续查看EM相关性表格,利特尔MCAR检验,其卡方值为4.332,显著性为0.115,大于0.05,此时认为缺失值为完全随机缺失类型,如果小于0.05,提示数据缺失为随机缺失类型。
SPSS缺失值分析步骤是怎样的,需要用户在分析功能中找到缺失值分析功能,按第一小节步骤操作即可。SPSS缺失值分析结果怎么看,我们需要关注EM相关性结果,利特尔MCAR检验结果显著性大于0.05,提示缺失变量为完全随机缺失类型,小于0.05,提示变量为随机缺失类型。
作者:莱阳黎曼
展开阅读全文
︾
读者也喜欢这些内容:
怎样使用SPSS的概率回归方法分析数据
回归分析是数据分析中广泛应用的一种方法,如果要学习数理统计分析,回归分析将是重中之重。...
阅读全文 >
spss怎么做逐步回归分析 逐步回归分析spss结果解读
spss怎么做逐步回归分析?逐步回归分析是多元线性回归分析的一种,可通过spss回归分析中的“步进”法来做逐步回归分析。本文会运用例子演示逐步回归分析步骤,并进行逐步回归分析spss结果解读。...
阅读全文 >
spss数据分析用处大么 spss数据分析的原理
借助SPSS我们可以完成数据统计,分析和挖掘,从而把握数据变化规律,积极人为干预,提高经济和社会效益。对于很多数据分析初学者来说,常常有SPSS数据分析用处大么?SPSS数据分析的原理是什么的疑问,本文向大家做简单介绍。...
阅读全文 >
单因素方差分析步骤 单因素方差分析结果解读
相信对于统计学出身的小伙伴们来说,单因素方差分析可谓是不能再熟悉了,它是用来检验单因素对结果有无显著性影响的统计分析方法之一,在日常统计工作中非常常用,目前在工作中通常结合SPSS等软件来进行方差分析,下面本文就使用SPSS来说明单因素方差分析步骤,单因素方差分析结果解读。...
阅读全文 >