1. 缺失值填充常用方法
一、描述性统计
描述性统计是一类统计方法的汇总，揭示了数据分布特性。它主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布以及一些基本的统计图形。
1、缺失值填充：常用方法有剔除法、均值法、决策树法。
2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以在做数据分析之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W检验、动差法。
二、回归分析
回归分析是应用极其广泛的数据分析方法之一。它基于观测数据建立变量间适当的依赖关系，以分析数据内在规律。
1. 一元线性分析
只有一个自变量X与因变量Y有关，X与Y都必须是连续型变量，因变量Y或其残差必须服从正态分布。
2. 多元线性回归分析
使用条件：分析多个自变量X与因变量Y的关系，X与Y都必须是连续型变量，因变量Y或其残差必须服从正态分布。
3.Logistic回归分析
线性回归模型要求因变量是连续的正态分布变量，且自变量和因变量呈线性关系，而Logistic回归模型对因变量的分布没有要求，一般用于因变量是离散时的情况。
4. 其他回归方法：非线性回归、有序回归、Probit回归、加权回归等。
三、方差分析
使用条件：各样本须是相互独立的随机样本；各样本来自正态分布总体；各总体方差相等。
1. 单因素方差分析：一项试验只有一个影响因素，或者存在多个影响因素时，只分析一个因素与响应变量的关系。
2. 多因素有交互方差分析：一顼实验有多个影响因素，分析多个影响因素与响应变量的关系，同时考虑多个影响因素之间的关系
3. 多因素无交互方差分析：分析多个影响因素与响应变量的关系，但是影响因素之间没有影响关系或忽略影响关系
4. 协方差分祈：传统的方差分析存在明显的弊端，无法控制分析中存在的某些随机因素，降低了分析结果的准确度。协方差分析主要是在排除了协变量的影响后再对修正后的主效应进行方差分析，是将线性回归与方差分析结合起来的一种分析方法。
四、假设检验
1. 参数检验
参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数(如均值、百分数、方差、相关系数等）进行的检验 。
2. 非参数检验
非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一般性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。
适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。
1）虽然是连续数据，但总体分布形态未知或者非正态；
2）总体分布虽然正态，数据也是连续类型，但样本容量极小，如10以下；
主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。
2. 缺失值的填补方法
如果缺失值只占数据的5%不到，那么缺失值对数据的影响不大，各种缺失处理方式差异不大，简单点处理就好，比如均值填补，或者索性直接删除有缺失的个案，但均值填补无法利用缺失数据里面可能含有的有效信息，而删除个案有可能导致对数据的结构产生不利影响（比如绩效考核的时候不合格者没有成绩，形成缺失，这样删掉缺失就会让数据缺乏代表性，只有合格者，没有不合格者）。
相较于均值填补，回归填补法要更准确一些（这只限于并非大量缺失的情况，否则回归也会产生有偏的估计 如果确实数量较大，建议用EM算法，有不少研究者通过模拟研究表明这种填补法得到的结果最为准确，其操作是spss菜单里选择 分析——缺失值分析，会弹出下面这个对话框 然后将需要填补缺失的数据选入右边的变量框（要注意变量类型），然后在估计方法那里选EM，然后点击EM按钮，将填补后的数据保存为新数据集就OK3. excel填补缺失值
1.打开目标word文档。
2.用鼠标将缺失右框线的表格选中,并点击鼠标右键。
3.在出现的右键菜单中找到“设置单元格式”选项,然后单击此选项。
4.在出现的对话框中“边框”选项页面点击右框线样式,最后点击“确定丶“按钮即可补上残缺的表格线了。
4. 缺失值补充
维生素b12在人体内可以起到很多作用，如果缺乏，就会引起更多的疾病。维生素B12只存在于动物性食物中，如动物肝脏、肾脏和其他动物脏器。也可以从鸡肉、鱼、鸡蛋、牛奶和其他食物中提取。当然，也可以加入一些维生素b12片。注意不要过度补充。维生素b12的主要功能是促进甲基转移，促进红细胞的发育成熟，维护神经系统的健康。
5. 缺失值填补可以选取什么方式
1打开Excel电子表格，选中需要填充的单元格。
2按下键盘下的Ctrl+G，页面弹出选项，点击定位条件。
3选择空值，点击确定。
4之后按下键盘上的等号。
5再输入第一个单元格。
6按下键盘下的Ctrl+Enter，就可以快速填充部份内容了，希望我的回答可以帮助到你。
- 相关评论
- 我要评论
-
