SPSS中的缺失值分析1、缺失值的出现 在我们日常的分析问卷中经常会遇到缺失值的情况。尽管我们在项目执行的时候千叮咛万嘱咐一定要回答，并且有着严格的质量控制（那些不严格的质量控制造成的缺失情况更是难以估计，汗一个）但还是会遇到很多题选项缺失的情况。缺失值的产生主要有以下几个方面：a、受访者拒绝回答问题b、题目中没有选项答案c、调查研究中的损耗d、从多个数据源中合并数据2、缺失值理论 数据的缺失往往都有着一定的规律，总的来说呢，缺失值可以分成以下三种： a、完全随机缺失（MCAR）：缺失现象完全是随机发生的，和自身或其他变量的取值无关；比如说，受访者在街头接受访问时，突然沙粒吹进了眼睛导致问卷后面的问题无法回答，从而造成了数据缺失。 b、随机缺失 （MAR）：有缺失值的变量其缺失情况发生与数据集中其他无缺失变量的取值有关；换句话说，缺失值的概率是由数据集中不含缺失值的变量决定的，而不是由含缺失值的变量决定的。 c、非随机缺失（MANR）：数据的缺失不仅和其他变量的取值有关，也和自身的取值有关；比如问题设计过于敏感造成的缺失
