本节书摘来华章计算机《数据分析实战:基于EXCEL和SPSS系列工具的实践》一书中的第3章 ，第3.3.2节，纪贺元　著 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

3.3.2　缺失值的填充和分析

数据中的缺失值产生的原因很多，有的是原始数据中就没有，有的是漏了，有的则是因种种原因没有收集；还有填写者故意不填的，例如市场调查的问卷中，涉及收入、对竞争对手如何看待等敏感性问题时，就经常会出现缺漏的情况。还有一种比较特殊的情况是，最近的数据还没有统计出来，例如现在是2017年，可能2017年的Q1的数据还没有出现，甚至有可能2016年的Q4的数据都还没有出来。
之前已经说过，对于缺失值数据，一般不能采用“简单粗暴”的删除方法，而应尽可能地进行填充，下面就介绍一些填充的方法。
（1）手工填充
以案例文件3.4为例，2011年和2012年的数据都是完整的，2013年的数据有一些缺漏，这个时候有几种填充思路：
1）按照2013年销量的平均值做填充，这是比较简单的做法。
2）用历年同月的平均值做填充，例如2013/12/21的数据是空缺的，就拿2011年和2012年销量的平均值来填充，这是比较精准的做法。
以上的填充技术非常简单，不再赘述，直接用average函数即可。
（2）利用SPSS“替换缺失值”进行填充
案例文件3.5，SPSS中有两处菜单功能涉及缺失值，一是“转换”中的“替换缺失值”，二是“分析”中的“缺失值分析”。“替换缺失值”中可以用多种替换方法，以案例文件3.5为例来看一下，先在图3-13所示的菜单找到“替换缺失值”。

然后，进入“替换缺失值”界面，如图3-14所示。

在替换的方法中，有序列均值、临近点的均值、临近点的中位数等多种方法可以选择，一般选择“序列均值”和“临近点的均值”比较多一些。
（3） 利用SPSS“缺失值分析”进行填充
对于案例文件3.6，在分析分组和年龄这两个因素对分析指标的影响时，可采用SPSS的线性回归来处理，如图3-15所示。

然后进入线性回归的界面进行设置，如图3-16所示。

得到的结论如图3-17所示。

由于体重组和年龄的检验p值都小于0.05，因此得到结论：体重组和年龄对于分析指标都有着显著的影响。
若对案例文件3.7（该案例有缺失值）执行同样的操作，得到的输出结果如图3-18所示。

从图3-18所示的输出可以看出，在有缺失值的情况下，体重组的sig是0.076＞0.05，因此得到结论：体重组对于分析指标的影响不显著，而年龄对于分析指标的影响显著。
现在考虑如何填充数据，在图3-19所示的界面选择“缺失值分析”。

SPSS的缺失值分析中，常用的有EM和回归这两种方式。下面首先展示EM方式填充缺失值的方法，如图3-20所示。

在图3-20所示的界面中，点击“EM...”，进入如图3-21所示的界面。

将填充好的缺失值放到数据集a中，就完成了相应的操作。
同样也可以用回归方法实现缺失值的填充，如图3-22所示。

为了比较EM和回归这两种填充方法的优劣，仍旧做数据回归来比较EM和回归这两种填充方式的差异，请注意，这里出现了两个“回归”，前面一个“回归”是数据分析的回归方法，后面一个“回归”是SPSS里面的一种填充算法。

图3-23是采用EM方法填充数据后进行回归分析的输出结果，图3-24是采用“回归”方法填充数据后进行回归分析的输出结果。可以看到，EM回归的两个检验P值0.008和0.004，分别小于0.023和0.012，这说明EM填充缺失值的质量要高于回归填充缺失值。