SPSS变量缺失是什么？一文读懂缺失值的定义与类型

在用SPSS做数据分析的时候，你有没有遇到过这种情况：打开数据视图，发现有些单元格里空着，或者显示一个孤零零的句点？这就是所谓的“变量缺失”。简单来说，变量缺失就是指在数据集中，某个变量的某些观测值没有被记录下来。这种现象在研究中非常普遍，问卷调查时受访者可能跳过某个问题，实验过程中仪器可能出现故障，数据录入时也可能因为疏忽漏掉几个数字。理解变量缺失到底是什么，是正确处理数据的第一步。

一、缺失值的通俗理解

缺失值，通俗地说就是空值。在SPSS的数据视图中，如果一个数值型变量的单元格里什么都没有，只显示一个点，那就是缺失值。对于没有数值的单元格，SPSS会自动用系统缺失值来填充，这通常是数字分析中的一个信号，提醒你这部分数据是空的。

举个例子，你收集了一份关于家庭收入的问卷，有些受访者不愿意透露具体数字，于是把那一栏空着。当你把数据导入SPSS后，这些空着的单元格就会变成缺失值。如果不处理这些缺失值，直接进行统计分析，结果很可能会出问题，因为软件不知道这些空位置代表什么。

二、缺失值的三种类型

从数据缺失的机制来看，可以把缺失值分成三种类型。了解这些类型，能帮你判断该怎么处理它们。

第一种是完全随机缺失。这种情况指的是数据的缺失完全是偶然的，不依赖于任何其他变量。比如说，邮寄的调查问卷在路上丢了几份，或者数据录入时随机漏掉了几行，这种缺失就和数据本身的内容没有关系。如果数据属于完全随机缺失，那处理起来相对简单，直接删除缺失的部分也不会影响整体分析结果。

第二种是随机缺失。这种情况稍微复杂一些，数据的缺失不是完全偶然，而是依赖于其他已知的变量。举个常见的例子，在一项关于收入的调查中，女性受访者可能比男性更不愿意透露自己的收入。这时候，收入数据的缺失就和性别这个变量有关。虽然收入本身有缺失，但只要你知道了性别，就可以推断出缺失的模式。

第三种是非随机缺失。这是最麻烦的一种情况，数据的缺失与变量自身的取值有关。比如，高收入人群可能因为不想暴露自己的财富，故意不填写收入这一项。这时候，缺失本身就和收入的高低直接相关。处理非随机缺失需要特别谨慎，因为简单的填补方法可能会导致严重的偏差。

三、SPSS中的两种缺失值

在SPSS软件里，缺失值被明确区分为两种类型，理解这个区别对正确设置数据很重要。

一种是系统缺失值。如果某个数值型变量的单元格里什么都没有，SPSS会自动给它分配一个系统缺失值。在数据视图中，这种缺失值显示为一个点。系统缺失值意味着SPSS无法读取任何有效数据，它不是一个你可以自己定义的数值，而是软件内部使用的特殊标记。对于字符串变量来说，如果单元格为空，它不会被自动视为系统缺失，需要你自己定义。

另一种是用户缺失值。在实际研究中，有时候你会用特定的数值来表示“缺失”的状态。比如在问卷调查中，你可能会用999来表示“拒绝回答”，用888来表示“不知道”。这些数字本身是有效的数值，但在你的研究语境里，它们代表的是缺失信息。这时候就需要在SPSS中把这些数值定义为用户缺失值。定义之后，SPSS在计算均值或其他统计量时，就会自动把这些数值排除在外，不会把它们当作真实数据参与计算。

举个例子，假设你给男性受访者设计了一份问卷，其中有一道题是关于怀孕经历的。对于这道题，你可以在SPSS中把99定义为用户缺失值，并给它贴上标签“不适用”。这样，当你查看数据时，就能清楚地知道这些99不是真实数据，而是表示这个问题对这个受访者不适用。

四、为什么会出现缺失值

数据缺失的原因多种多样，了解这些原因能帮你更好地判断该怎么处理。

最常见的原因是受访者拒绝回答。在涉及收入、健康状况、个人隐私等敏感话题时，很多人会选择跳过不答。有时候是问卷设计的问题，比如问题表述不清楚，受访者不知道该填什么，于是就空着。还有可能是数据录入时的疏忽，打字的时候漏掉了某个数字。在纵向研究中，参与者可能会中途退出，导致后续时间点的数据全部缺失。实验设备故障也会导致数据记录不完整，比如仪器突然断电，后面的数据就没了。

有些时候，缺失是设计好的。比如前面提到的男性受访者跳过怀孕相关的问题，这种缺失是符合逻辑的，处理起来也比较简单。

五、处理缺失值的基本原则

虽然处理缺失值是另一个话题，但了解一些基本原则有助于你理解为什么缺失值这么重要。

首先要做的是识别缺失模式。不要一上来就急着填补或删除，而是先看看缺失值是怎么分布的。SPSS提供了缺失值分析功能，可以帮你了解哪些变量缺失比较多，缺失之间有没有关联。

其次要考虑缺失的比例。如果一个变量缺失的数据超过百分之四五十，那这个变量可能就不太适合用来做深入分析。如果缺失比例很小，比如只有几个百分点，那直接删除这几个样本可能是最简单的办法。

还要考虑缺失的原因。如果数据是完全随机缺失，处理起来相对简单。如果是非随机缺失，就要特别小心，因为任何处理方法都可能引入偏差。

总结

SPSS中的变量缺失，说白了就是数据没被记录下来。它可以是因为受访者没回答，也可以是因为录入失误，还可以是你用特定数字故意标记的。在SPSS里，缺失值分为系统缺失和用户缺失两种，前者是软件自动生成的空值，后者是你自己定义的缺失标记。理解缺失值的不同类型和成因，是正确处理数据、保证分析结果可靠的前提。下次打开SPSS看到那些点的时候，你就能明白它们到底代表了什么。