調(diào)查數(shù)據(jù)缺失值常用插補方法比較的實證分析.pdf

1、由于調(diào)查受到各種已知或者未知因素的影響，往往會出現(xiàn)調(diào)查數(shù)據(jù)的缺失。在統(tǒng)計中，調(diào)查數(shù)據(jù)的缺失值問題是目前普遍存在而且難處理的問題。近年來，隨著大數(shù)據(jù)時代的到來，這一問題越來越受到國內(nèi)外學(xué)者的關(guān)注。數(shù)據(jù)缺失，尤其是高缺失率很容易引起數(shù)據(jù)本身的可用性的缺失，增加了數(shù)據(jù)分析的難度，使得統(tǒng)計分析出現(xiàn)很大的偏差，從而會降低研究者工作效率。對于含有缺失值的調(diào)查數(shù)據(jù)，事前預(yù)防是最有效的方法，即在調(diào)查過程中把無回答率降到最低，提高被調(diào)查者的回答率。但是由

2、于各種因素的影響，現(xiàn)實中的無回答總是無法避免的，所以，對于調(diào)查數(shù)據(jù)無回答的事后處理顯得尤為重要。
　　調(diào)查中出現(xiàn)的問題不同，得到的含有缺失值的調(diào)查數(shù)據(jù)的特點也就不一樣，所以采取的處理這些缺失值的方法也是不相同的。本文選取統(tǒng)計學(xué)上常用的缺失值插補方法，包括EM算法插補、多重插補法、回歸插補法、均值插補法這四種插補方法，分別通過構(gòu)建統(tǒng)計學(xué)模型來進一步探索這四種插補方法的插補效果。含有缺失值的數(shù)據(jù)集是利用SPSS隨機生成。所研究的條件分

3、別為:變量缺失的模式，即單一變量缺失和多變量缺失;不同的缺失率分別為10％、20％、30％、40％、50％;不同缺失率下的輔助變量的個數(shù)不同，分別為4個、7個及10個輔助變量的模擬比較分析。
　　全文首先介紹了選題背景和研究意義，以及國內(nèi)外對缺失值處理方法的文獻綜述和國內(nèi)外文獻評述。第2章介紹了缺失數(shù)據(jù)問題相關(guān)的理論，包括缺失數(shù)據(jù)產(chǎn)生的原因以及缺失值的缺失機制和模式。第3章詳細總結(jié)了統(tǒng)計上常用的缺失數(shù)據(jù)插補方法。第4章利用缺失值插