作者leonasu (蘇小豬)
看板Statistics
標題[程式] missing value處理方法(SPSS)
時間Fri May 6 15:08:27 2011
我用的分析方法是logistic regression
因為系統設定為listwise deletion 所以造成我最後有接近20%的missing value
為了降低missing value的數目
我用mean value去取代了大部分missing value percentage低於5%的IV
但是最後仍有約15%的missing value
來源為我的一個很重要的IV(8.8%)和DV(7.0%)
我們老師跟我說那就至少做一個T-test
證明missing value而被delete的數值和最後保留分析的數值
這兩組group在sex income和age等項目都是沒有差異的
我的syntax如下:
RECODE iv (MISSING=1) (else=0) INTO riv.
RECODE dv (MISSING=1) (else=0) INTO rdv.
COMPUTE group=1.
IF (riv EQ 1 or rdv EQ 1) group=2.
T-TEST GROUPS=group(1 2)
/MISSING=ANALYSIS
/VARIABLES=sex
/CRITERIA=CI(.95).
但很不剛好的是 我T-test做出來的結果證明他們之間是有差異的......
我現在的想法是我用mean value去取代我的IV 讓整體missing value降低
我不知道這樣可不可以 因為他missing value超過了5%
但如果不這樣做的話 這個15%missing value的問題還有其他解決辦法嗎?
還是這樣的數據結果真的就不能夠發表了......
希望有經驗的前輩們可以給我些想法 非常謝謝你們:)
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 76.208.68.175
1F：→ GoldLight:難得在這邊看到你 XD 你可以impute啊 05/06 15:24
2F：→ GoldLight:SPSS可以做multiple imputation 05/06 15:24
3F：→ leonasu:哈是金光耶! 我現在對我的期末報告很頭大中...... 05/06 15:25
4F：→ leonasu:我沒有學過multiple imputation耶......大概意思是甚麼啊? 05/06 15:25
5F：→ leonasu:我剛查了一下multiple imputation是不是只適用於MAR啊? 05/06 15:28
6F：→ leonasu:可是我現在的癥結點就是 我T-test的結果(我的iv對其他iv 05/06 15:30
7F：→ leonasu:或dv)都表示我這個missing value為8.8%的iv非MAR 05/06 15:31
8F：→ leonasu:這樣應該就沒辦法用multiple imputation了吧 05/06 15:32
9F：→ leonasu:而且照這樣說應該連missing value replacement也行不通... 05/06 15:33
10F：→ leonasu:我不知道我的理解有沒有錯 05/06 15:33
11F：推 evilove:propensity score analysis? 05/06 16:40
12F：→ GoldLight:propensity score對原po的作業來說有點割雞焉用牛刀XD 05/07 00:19
13F：→ GoldLight:missing value其實有點tricky，也滿哲學的... 05/07 00:19
14F：→ GoldLight:你用Mplus吧，他假設MAR然後用FIML幫你打點遺漏值... 05/07 00:20