SPSS 缺失模式分析怎么做：缺失是不是完全随机

缺失模式分析应先看哪些变量同时缺失，再结合已观测变量检查MCAR的必要条件；这些线索无法直接区分MAR与MNAR。SPSS 相关的缺失诊断可以在本站练习模式读表，但处理方案仍需结合采集流程和后续估计目标。

缺失模式分析的数据要保留什么

把真实缺失保留为缺失，而不是先用均值或固定编码填满，这样才能观察信息在哪里丢失。方法入口见缺失模式分析表，本次报告检查多个定量变量并按缺失组合统计记录。

以下结果来自本站演示数据（模拟生成，不代表真实研究结论），使用全部 200 行，包含年龄、家庭月收入、周加班时长与工作满意度。表中每一行仍代表一个受访者，收入与工作时长的单位保持原表约定，没有重编码或补齐数值。

核查对象	要回答的问题	读报告的位置
单列缺失	哪个测量缺得多	各变量缺失概况
组合缺失	哪些测量一起缺	缺失模式三线表
已观测取值	是否存在机制线索	必要条件逐对检验

这几项从不同角度描述同一张表，分母也可能不同。单元格缺失率针对全部测量位置，含缺失案例比例针对记录，论文中应明确口径，避免把两者写成同一种样本损失。

MCAR检验与缺失模式在本站怎么查看

1. 选择「缺失模式分析表」，放入需要共同诊断的定量列，保留原始缺失状态。
2. 开始分析后先核对样本、变量数、完整案例与缺失单元数，确认诊断范围。
3. 依次读模式编码、逐对必要条件检验和共缺失指标，把统计线索与调查流程一起记录。

本次有 93 个缺失单元，完整案例为 145 条，其余记录至少有一个测量缺失。完整案例数能提醒后续模型可能失去多少记录，但实际拟合样本还取决于那个模型纳入哪些变量，并非所有分析都会使用同一批完整行。

演示数据不用登录就能跑；用自己的数据分析、导出 Word / PDF 报告、使用 AI 解读需要开通会员。保留诊断报告后再选择缺失处理方案，可以把方案依据与后续估计分开核查，减少事后仅按结果好坏调整处理方式的空间。

缺失率图与模式频数图怎么看

变量缺失率图显示收入这列最突出，工作时长和满意度也有缺失，年龄保持完整。这样的排序只说明测量信息的覆盖情况，不说明缺失原因，更不能根据某一列比例较低就推断它对结果无关紧要。

模式表以固定变量顺序编码，其中零表示非缺失，一表示缺失。读某个模式之前先核对表注中的位序，再回到对应变量的缺失列，能避免把收入和工作时长的缺口对调。

图中完整模式的柱子高，并不能排除其他记录的选择性缺失。本次收入与工作时长的缺失指示变量之间，φ为 0.825；它描述两种缺失状态相伴出现，尚未说明这是跳答安排、采集失败还是受访者选择所致。

从共缺失线索到缺失机制判断

年龄没有缺失，因此年龄的缺失指示变量没有变异，它与其他缺失指示量的φ会显示不可估计。这里保留不可估计状态是正确的表达，不能把该格替写为零关联或未显著，因为那会把未定义的统计量伪装成有效估计。

必要条件诊断中，可检验的逐对关系里有三对在未校正阈值下显著，提示需要审慎对待完全随机缺失假定。本站此处未执行Little整体MCAR检验，逐对筛查还涉及多次检验，这些结果宜作为机制核查线索，避免写成已经确定MAR或MNAR。

若收入问题本来就设置了条件跳答，应先区分结构性不适用与未回答。若拒答可能依赖尚未观测的收入水平，则需要额外的机制假设及敏感性评估；完整表格和单次插补都无法消除这种不确定性。

缺失诊断在论文里怎么写

可写成：对演示数据的四个变量开展缺失模式诊断，发现93个缺失单元，完整案例145条，收入和工作时长的缺失具有共现倾向。逐对必要条件检验提供了偏离MCAR的线索，未实施整体MCAR检验，后续方案结合采集过程与敏感性分析确定。

这段表述区分了观察到的模式和尚未证实的机制。正式报告还应补上具体处理策略、纳入变量及其依据，让读者知道估计结果究竟建立在哪些缺失假设上。

缺失诊断常见错误

• 用固定数值填满后再诊断：回到原始缺失位置，避免抹去模式。
• 将不可估计写成无关联：先检查缺失指示变量是否有变异。
• 把逐对检查称为整体MCAR检验：按实际执行的检验名称与范围报告。
• 根据缺失比例直接宣布某种机制：结合调查规则和未观测信息讨论假设。

延伸阅读

• 缺失模式分析表
• 正态性分析
• 列联（交叉）分析