论文数据缺失用什么方法估计

问：数据缺失想要补齐有什么方法，用spss的替换缺失值和缺失值分析完全不会用

1. 答：如果缺失值只占数据的5%不到，那么缺失值对数据的影响不大，各种缺失处理方式差异不大，简单点处理就好，比如均值填补，或者索性直接删除有缺失的个案，但均值填补无法利用缺失数据里面可能含有的有效信息，而删除个案有可能导致对数据的结构产生不利影响（比如绩效考核的时候不合格者没有成绩，形成缺失，这样删掉缺失就会让数据缺乏代表性，只有合格者，没有不合格者）。相较于均值填补，回归填补法要更准确一些（这只限于并非大量缺失的情况，否则回归也会产生有偏的估计
   如果确实数量较大，建议用EM算法，有不少研究者通过模拟研究表明这种填补法得到的结果最为准确，其操作是spss菜单里选择 分析——缺失值分析，会弹出下面这个对话框
   然后将需要填补缺失的数据选入右边的变量框（要注意变量类型），然后在估计方法那里选EM，然后点击EM按钮，将填补后的数据保存为新数据集就OK

问：聚类分析中有数据缺失怎么处理

1. 答：（1）删除有遗漏值的数据。如果一个数据集只有少量的数据具有遗漏值，则忽略它们可能是合理的。但是如果给定的数据集中有很多数据具有遗漏值，则采取这种策略很难对数据进行可靠分析，并且具有遗漏值的数据中也包含一定的信息，或许这些信息对分析是至关重要的，因此忽略它们是要非常小心，要保证对分析没有影响。（2）估计遗漏值。有时，根据数据的特点能够可靠的估计遗漏值。具体就是根据邻近点的属性值对遗漏值进行估计，常常选取邻近的平均属性值代替遗漏值，有时选取数据集的平均值代替遗漏值，或者进行曲线拟合，根据拟合的结果选择合适的属性值。（3）忽略遗漏值。许多聚类算法都可以用来直接处理具有遗漏值的数据，例如计算对象间的相似性，对保护遗漏值的数据可以使用没有遗漏值的属性值来计算相似性，这种相似性只是近似的，除非整个的数据属性很少，或者遗漏值的数据很多，否则其误差影响很小。
2. 答：楼主去图书馆查阅《华北工学院学报》2003年05期 的一篇论文吧 名字叫 带有缺失数据的聚类分析方法 希望对你有帮助
   传统的聚类分析方法需要完全数据集,但有些情况下数据是不完全的,即包含缺失数据,这给聚类分析带来了一定的困难.这里给出了一种迭代算法为缺失数据确定一个合理的替补值,构造出一个"完全"的数据集,逐步迭代进行聚类分析,并用实例详细阐述了该方法的步骤.

问：SPSS处理问卷出现系统缺失值，怎样处理

1. 答：缺失值处理简单说就是两种处理，一种是删缺失，一种是填补缺失
   在缺失值只占总样本量中很小的比例时，各种处理方式都可以用，区别不大
   最简单的，找到那3个缺失的数据，将包含缺失的个案也就是被试都整个删掉不用。
   第二种方法是用的人比较多的，均值填补法，在spss菜单中选择：转换——替换缺失值，将含缺失的变量选入右边分析框中，默认的方法就是均值填补，OK即可
   第三种就是比均值填补高明一点的方法，在spss菜单中选择：分析——缺失值分析，将含缺失的变量选入右边分析狂，注意类别变量和定量变量之分在估计方法中，提供了四种方法，前两种是删除法，后两种是填补法，推荐的最优方法是EM，选择EM复选框后，下方的EM按钮由灰变黑，点击该按钮，选择保存完成数据复选框，然后给新的数据命名，OK之后，spss将生成一个新的数据集，数据集中的数据就是缺失值填补后的
2. 答：缺失值处理简单说就是两种处理，一种是删缺失，一种是填补缺失
   在缺失值只占总样本量中很小的比例时，各种处理方式都可以用，区别不大
   最简单的，找到那3个缺失的数据，将包含缺失的个案也就是被试都整个删掉不用。
   第二种方法是用的人比较多的，均值填补法，在spss菜单中选择：转换——替换缺失值，将含缺失的变量选入右边分析框中，默认的方法就是均值填补，OK即可
   第三种就是比均值填补高明一点的方法，在spss菜单中选择：分析——缺失值分析，将含缺失的变量选入右边分析狂，注意类别变量和定量变量之分在估计方法中，提供了四种方法，前两种是删除法，后两种是填补法，推荐的最优方法是EM，选择EM复选框后，下方的EM按钮由灰变黑，点击该按钮，选择保存完成数据复选框，然后给新的数据命名，OK之后，spss将生成一个新的数据集，数据集中的数据就是缺失值填补后的
3. 答：对缺失值的处理：
   (1) 剔除有缺失值的观测单位, 即删除SPSS 数据列表中缺失值所在的数据行; 在SPSS 的统计分析程序中, 打开op t ions 按钮, 便会出现缺失值的处理栏(m issing values) , 可分别选择下列选项: exclude cases analysis by analysis (剔除正在分析的变量中带缺失值的观察单位) ; exclude case list w ise (剔除所有分析变量中带缺失值的观察单位) ;
   (2) 对缺失值进行估计后补上. 主要有两种方法:一是根据文献报道等知识经验进行估计; 二是用SPSS 提供的工具进行估计. 在“transfo rm ”菜单下的“rep lace m issing values”列出了5 种替代的方法: (a) series mean: 以列的算术平均值进行替代; (b)mean of nearly po int: 以缺失值邻近点的算术平均值进行替代; (c)M edian of nearly po int: 以缺失值临近点的中位数替代; (d) linear interpo lat ion: 根据缺失值前后的2 个观察值进行线性内查法估计和替代; (e) linear t rend at po int: 用线形回归法进行估计和替代;
   (3) 将缺失值作为常数值, 如: 作为“0”.