医学数据缺失的处理方法——spss回归估计法

2018.11.15 15:35

2617 0 0

医务人员在实际工作中经常会遇到样本数据丢失的问题。数据的缺乏可能导致统计结果的偏差。特别是对于样本量小的数据，大量的数据甚至会影响终的结论。因此，有必要对缺失数据进行补充。下面我们来详细讲解如何在spss中用回归估计法处理医学数据的缺失值。

　　回归估计法(regression)，即是以存在缺失值的变量为因变量，以其他全部或部分变量为自变量，用无缺失的数据拟合回归方程：以方程的预测值作为该记录缺失值的初步估计值，再以全部数据拟合回归方程;如此迭代，直至两次方程预测值基本一致，并以此作为缺失值的估计值。

　　本例以“舒张压”和“心率”为因变量，以“组别”、“性别”、“年龄”、“身高”、“体重”、“收缩压”为自变量，采用回归估计法对存在缺失值的医学数据在SPSS中进行了缺失值的补充步骤展示。回归估计法在进行缺失值填补时较为客观，但可能存在对方差的低估，适用于有适合的“自变量”完整数据存在时。

　　1、数据概况

　　数据具体如下(仅展示存在缺失值数据列)，其中，“……”表示该处数据值存在缺失，从数据表可以看出，缺失值主要出现在“舒张压”和“心率”数据列，共存在7处缺失。

医学数据缺失.png

　　2、在SPSS中的操作步骤

　　①依次点击“分析——缺失值分析”

医学数据缺失的处理方法——spss回归估计法步骤一.png

　　②将变量分别选入“定量变量”和“分类变量”中——勾选“回归”方法。

医学数据缺失的处理方法——spss回归估计法步骤二.png

　　③点击“回归”选项——勾选“保存完成数据”，并命名新的插补后的数据。

医学数据缺失的处理方法——spss回归估计法步骤三.png

　　④得到插补后的数据列及具体补充数据。

医学数据缺失的处理方法——spss回归估计法步骤四.png

医学数据缺失的处理方法——spss回归估计法.png

投诉文章 ©著作权归作者所有

喜欢 | 0

快给朋友分享吧！

分享到微博

打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮

0/200字

更多评论没有更多评论了~

在线工具