问：关于问卷调查中，有关缺失值的问题
- 答：所有缺失都可以采取不使用缺失的变量或者答卷 但是这种方法最适合有大量缺失的情况 行或列>50%
系统缺失比较难办 在营销调研里出现的一般可能也是你缺少某个细分市场的
最常见是随机的缺失 一般来说营销调研遇到的也弯顷是这种问题
解决办法可能有10来种 统计学上常见的有
1.不适用此列/行
2.均值
3.回归分析预测此值（说白了 就是和这个问卷和相似的问卷怎么答这个题 你就怎么给他补上）
4.给已回答的值加权
不过这些都是统计学上的处理方法 因为最常见的问题是 答题的人和不答题的人本身有很大差别 在需求上 所以从营销洞闹明调研的角度来说 最好是二次纳告调查那些人 一般二次调查会给好处 - 答：用SPSS,转换菜单下有替换缺失值的选项，可以选用变量平碧友均乎举值或者邻近几位悔顷槐的平均等等来替换
问：spss问卷分析中的缺失值如何处理
- 答：缺失值(missing data)大致上可分为三种型态,MNAR (missing not at random)指缺失值不是随机的,有可能是问卷的设计,比如说,年收入大于十万请回答A题,小于十万请回答B题,这类的缺失是设计上的,不能称作随机缺失.另一种叫MAR(missing at random),指缺失和前面的回答有某些程度的相关,这类的缺失很难界定或测试,第三种叫MCAR(pletely at random),这种就是称作随机的缺失,这种缺失和其它的数据完全是独立答姿的.第三种缺失相对的比较容易茄并处理.如果样本够大的话,把有缺失的样本完全去除,这种方法叫作listwise deletion.如果能够确信样本的缺失值是MCAR,你又没有足够的样本的话,可用填补的方法(imputation).通常可填上平均值,或者回颤举迹归的预测值,这两种方法都有它的缺点.SPSS有个MISSING DATA MODULE,就是用EM(expectation and maximization)的填补,它的方法是把有同样缺失的样本放在同一组,计算它的covariance matrix,然後再跟据每组的样本数来较正它对整个样本的权重(weight),从这里再重新填补每个缺失值.这重方法算是现在比较精确的缺失值填补的方法.
问：SPSS处理问卷出现系统缺失值，怎样处理
- 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，各种处理方式都可罩枯以用，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，将含缺失的变察闷派量选入右边分析狂，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，败贺后两种是填补法，推荐的最优方法是EM，选择EM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，数据集中的数据就是缺失值填补后的
