“缺失值”报表

在启动窗口中点击“确定”后，该报表随即打开以显示“命令”分级显示项和一个“缺失列”报表。命令如下：

•

•	多元正态补缺（若在启动窗口中输入了建模类型为“名义型”或“有序型”的“数值”列则不可用。）

•	多元 SVD 补缺（若在启动窗口中输入了建模类型为“名义型”或“有序型”的“数值”列则不可用。）

“缺失值”报表

使用“缺失值”报表可打开“缺失列”报表，其中列出每列的名称和该列中缺失值的个数。

选择数据表中的特定行，这些行包含您在“缺失列”报表中选择的一个或多个列的缺失值。

排除行

针对数据表中的特定行应用排除行状态，这些行包含您在“缺失列”报表中选择的列的缺失值。

为单元格着色

为数据表中的特定单元格着色，这些单元格包含您在“缺失列”报表中选择的列的缺失值。

为行着色

为数据表中的特定行着色，这些行包含您在“缺失列”报表中选择的一个或多个列的缺失值。

缺失值聚类

“缺失值聚类”提供对缺失数据的层次聚类分析。

•	图右侧的树状图显示缺失数据模式行的聚类。这些您通过使用“表”>“缺失数据模式”可得到的行。

•	图下方的树状图显示变量聚类。

使用该报表可确定特定列组是否倾向于具有相似的缺失值模式。

图的各行通过缺失数据模式来定义；每个模式对应一行。列对应变量。每个红色方格都指示图下方所列的列的一组缺失值。将光标置于方格中可查看所代表的值的列表。在图中点击可选择缺失数据模式行。显示垂直直条以指示选定的模式。

缺失值快照

缺失值快照显示缺失值的方格图。列表示变量。黑色方格指示缺失值。该图对于理解纵向数据的缺失尤其有用；缺失纵向数据时，对象可能在数据收集期结束之前退出研究。

多元正态补缺

“多元正态补缺”实用工具基于多元正态分布补缺缺失值。该过程要求所有变量的建模类型都为“连续”。该算法使用最小二乘补缺。使用配对协方差构造协方差矩阵。使用每个变量的所有非缺失值计算对角线元素（方差）。使用任意两个变量均无缺失的所有观测计算这两个变量的非对角线元素。对于协方差矩阵奇异的情况，算法使用基于 Moore-Penrose 伪逆矩阵的最小范数最小二乘补缺。

多元正态补缺允许选择对协方差使用收缩估计量。使用收缩估计量可改善协方差矩阵的估计。有关收缩估计量的详细信息，请参见 Schafer and Strimmer (2005)。

注意：若指定了验证列，则使用来自训练集的观测计算协方差矩阵。

“多元正态补缺”报表

补缺报表解释多元补缺过程的结果。结果包括以下内容：

•	补缺方法（最小二乘或最小范数最小二乘）

•

替换了多少值

•

是否使用收缩估计量

•	非对角线元素按哪个因子统一尺度

•

有多少行列受到影响

•	有多少不同的缺失值模式

一旦完成补缺，与数据表中的补缺值对应的方格就会有变为浅蓝色。若“缺失列”报表处于打开状态，则该报表将更新以显示没有缺失值。

点击撤销可撤销补缺，用缺失值替换补缺的数据。

多元 SVD 补缺

“多元 SVD 补缺”实用工具使用奇异值分解 (SVD) 补缺缺失值。该实用工具适用于有成百上千的变量的数据。由于 SVD 计算不要求计算协方差矩阵，所以推荐对包含大量变量的广泛问题使用 SVD 方法。该过程要求所有变量的建模类型都为“连续”。

奇异值分解将观测矩阵 X 表示为 X = UDV‘，其中，U 和 V 是正交矩阵，D 是对角矩阵。

“多元 SVD 补缺”实用工具中默认使用的 SVD 算法是稀疏 Lanczos 方法，亦称隐式重新启动的 Lanczos 双对角化方法 (IRLBA)。请参见 Baglama and Reichel (2005)。该算法执行以下计算：

1.	每个缺失值都用其列均值替代。

2.	针对观测矩阵 X 执行 SVD 分解。

3.	包含缺失值的每个单元格都替换为从 SVD 分解获得的 UDV‘ 矩阵的相应元素。

4.	重复执行步骤 2 和 3，直到 SVD 收敛到矩阵 X。

“补缺方法”窗口

点击“多元 SVD 补缺”后，“补缺方法”窗口随即打开以显示推荐的设置。

奇异向量数

在补缺中计算和使用的奇异向量数。

注意：一定注意：不要指定过多的奇异向量，否则 SVD 和补缺不会在各次迭代之间改变。

最大迭代次数

补缺缺失值时使用的迭代次数。

显示迭代日志

打开一个“详细信息”报表，其中显示迭代次数并提供关于准则的详细信息。

对于较大的问题，进度条会显示 SVD 完成了多少个维。您可以停止补缺并随时使用该维数。

•

•

•

一旦完成补缺，即自动显示“缺失列”报表，该报表指示补缺的列中没有缺失值。补缺值显示为浅蓝色。

点击撤销可撤销补缺，用缺失值替换补缺的数据。