如何用SPSS的验证功能淘汰缺失值过多的变量

我们进行统计分析时，一般来说数据都或多或少会有缺失值，对于有缺失值的记录，我们可以填入中位数、众数或平均数进行处理，或者直接作为一个新的特征变量，用哑变量来表示。

但是对于缺失值过多的特征变量，为了保证统计的准确性，我们会不得不把这些特征变量从数据中进行剔除淘汰。下面我会通过IBM SPSS Statistics的验证功能，一次性检验所有特征变量的缺失情况，然后对缺失值过多的特征进行删除。

一、设置缺失值验证

下图1是要进行检验的数据，我们可以看到的特征变量数据是存在着一些数据缺失的情况的。

图1：缺失数据展示

第一步：点击“数据”菜单，选择“验证”，然后点击“验证数据”选项。

图2：验证数据

第二步：接下来在“变量”选项，我们往“分析变量”拉入要进行缺失值验证的特征变量，这里我们将除了ID以外的变量全部拉入即可。

图3：拉入分析变量

第三步：切换到“单变量规则”中，点击“定义规则”按钮，输入规则的名称，如“缺失值检验规则”，然后选择要检验的特征变量的类型，可选项有“字符串”、“数字”和“日期”，最后我们需要取消勾选“允许使用用户缺失值”和“允许使用空值”，具体如图4。

图4：定义验证规则

第四步：点击“继续”回到“验证数据”界面中，单击分析变量，在右侧的规则列表中，勾选上我们刚刚建立的“缺失值检验规则”，最后点击“确定”，开始进行缺失值数据检验。

图5：勾选验证规则

二、验证结果

下图6为SPSS进行缺失值规则验证后的验证结果，我们主要看“变量摘要”表格，从表格中可以看到年份这个特征变量，违例数为16，如果其他的特征有缺失值的情况，违例个数也会展示在此表格中。此时我们就可以针对他们的违例数，判断是否缺失数据严重，严重的话就需要将此特征进行剔除。

图6：验证结果

上述就是使用IBM SPSS Statistics的验证功能，一次性验证多个特征变量的缺失值缺失情况的简单教程，SPSS除了缺失值验证功能外，还提供了缺失值分析、缺失值替换等功能，帮助我们更好地进行缺失值处理。关于SPSS的数据验证功能，还有更多更有用的地方，大家可以到城东书院网站上进行了解。