缺失值填补——简单填补法

关键词：缺失值; 缺失值类型; 缺失值填补; 简单填补法

一、案例介绍

此处仍以缺失情况基本分析一文中生成的缺失数据为例。调查了33名研究对象的性别(gender)、年龄(age)和某生化指标(X)，分析性别和年龄对生化指标浓度是否有影响？人为生成一个有缺失值(生化指标缺失10个个案，并且都是在高年龄组缺失)的数据(图1)，然后再进行填补分析。本案例数据可在“附件下载”处下载。

二、简单填补

（一）软件操作

点击“转换”—“替换缺失值”(图2)。

将“生化指标”选入右侧“新变量”对话框，默认出现“X_1 = SMEAN(X)”，此时选择的为“序列平均值法”(即简单平均值法)(图3)。填补后新生成的变量名称为“X_1”，“方法”中提供了5种简单填补法，包括“序列平均值”“临近点的平均值”“临近点的中间值”“线性插值”和“临近点的线性趋势”，本文将依次演示。

点击“确定”，可见在数据视图新页面生成了新变量“X_1”。

然后依次使用“临近点的平均值”(图5)、“临近点的中间值”(图6)、“线性插值”(图7)和“临近点的线性趋势”(图8)对数据进行填补。填补后生成的新变量依次为X_1~X_5 (图9)。

（二） 效果比较

分别对原始数据（缺失情况基本分析一文中的原始数据，不含缺失值)、未填补(成对删除)数据及5种不同的填补方法进行多重线性回归分析，结果比较见表1。

注：临近点的线性趋势是指使用线性回归方法估计和替代缺失值，严格来讲属于复杂填补法

通过比较可知，5种填补法中，“序列平均值”效果最差，其他几种方法与不填补比较，结果相差不大。