stata相關系數(shù)檢驗步驟？您好，打比方你有倆變量X和Y，這樣的話相關系數(shù)應該是pwcorrxy這樣的話就正式報告了好象意義的相關系數(shù)了。分類數(shù)據(jù)怎么補齊缺失值？（一）個案去除掉法(Listwise

stata相關系數(shù)檢驗步驟？

您好，打比方你有倆變量X和Y，這樣的話相關系數(shù)應該是pwcorrxy這樣的話就正式報告了好象意義的相關系數(shù)了。

分類數(shù)據(jù)怎么補齊缺失值？

（一）個案去除掉法(Listwise Deletion)

最常見、最簡單的處理缺失數(shù)據(jù)的方法是用個案去除掉法(listwise

deletion)，確實是很多統(tǒng)計軟件（如SPSS和SAS）設置成的缺失值處理方法。在這種方法中如果沒有任何一個變量含有什么缺失數(shù)據(jù)的話，就把相按的個案從分析中清除干凈。如果沒有缺乏值所占比例比較好小的話，這一方法非?？焖儆行АＴ僬f具體詳細多大的缺失比例不算“小”比例，專家們意見也必然較大的差距。有學者如果說應在5%以下，也有學者以為20%以下再試一下。但，這種方法卻有很大的局限性。它是以下降樣本量來積攢信息的完備，會倒致資源的大量浪費，丟落了大量封印在這些對象中的信息。在樣本量較小的情況下，刪出少量對象就絕對能嚴重引響到數(shù)據(jù)的客觀性和結果的正確性。但，當功能缺失數(shù)據(jù)所占比例會增大，特別是當缺數(shù)據(jù)非洗技能其分布時，這種方法很有可能可能導致數(shù)據(jù)再一次發(fā)生移動的方向，使得出來出現(xiàn)錯誤的結論。

（二）均值替換法(Mean Imputation)

在變量更加而所功能缺失的數(shù)據(jù)量又特有龐大無比的時候，個案去除掉法就遇見了困難，畢竟許多有用數(shù)據(jù)也同時被剔除。不斷著這一問題，研究者接觸了各種各樣的辦法。其中的一個方法是均值替換法(mean

imputation)。我們將變量的屬性兩類數(shù)值型和非數(shù)值型來分別并且處理。要是不完全值是數(shù)值型的，就依據(jù)該變量在其他所有對象的取值的平均值來再填充該功能缺失的變量值；假如不完全值是非數(shù)值型的，就依據(jù)統(tǒng)計學中的眾數(shù)原理，用該變量在其他所有對象的取值次數(shù)至少的值來必須補該不完全的變量值。但這種方出現(xiàn)有偏肯定，所以并不被推崇。均值替換法也是有一種短除法、飛速的缺失數(shù)據(jù)處理方法。可以使用均值替換法插補缺乏數(shù)據(jù)，對該變量的均值估計也不可能產(chǎn)生影響。但這種方法是確立在全部副本缺乏（MCAR）的假設之上的，但是會會造成變量的方差和標準差變小。

（三）熱卡填充法（Hotdecking）

對此一個中有缺乏值的變量，熱卡填充法在數(shù)據(jù)庫中找不到一個與它最有幾分相似的對象，然后再用這個相似對象的值來參與填充。不同的問題肯定會選用不同的標準來對相象接受判定。最常見的是可以使用相關系數(shù)矩陣來考慮哪個變量（如變量Y）與缺失值的地方變量（如變量X）最去相關。接著把所有個案按Y的取值大小并且排序。這樣變量X的缺失值就可以用排在缺失值前的那個個案的數(shù)據(jù)來可以用了。與均值替換法比起，用來熱卡圖案填充法插補數(shù)據(jù)后，其變量的標準差與插補前也很逼近。但在回歸方程中，可以使用熱卡再填充法容易讓回歸方程的誤差大小改變，參數(shù)估計變得不穩(wěn)定，但這種方法不使用不便，比較好前后歷時。

（四）回歸替換法(Regression Imputation)

進入虛空替換法簡單要選擇類型若干個分析和預測不完全值的自變量，接著組建回歸方程大概缺失值，即用不完全數(shù)據(jù)的條件期望值對缺失值接受替換后。與上文所述幾種插補方法比較好，該方法憑借了數(shù)據(jù)庫中盡量多的信息，并且一些統(tǒng)計軟件（如Stata）也早都能夠然后執(zhí)行該功能。但該方法也有諸多弊端，第一，這雖然是個無偏估記，但卻很難忽視洗技能誤差，完全相信標準差和其他未知地性質(zhì)的測量值，但這一問題會隨著缺乏信息的增多而變地十分嚴重。第二，研究者需要舉例存在缺乏值原先的變量與其他變量存在地線性關系，并不一定這種關系是不必然的。

（五）多重替代法(Multiple Imputation)

多貴估算是由Rubin等人于1987年成立過來的一種數(shù)據(jù)擴充和統(tǒng)計分析方法，以及簡單點估算的改進產(chǎn)物。簡單的方法，重物估算技術用一系列可能的值來修改成每一個缺失值，以反映被替換的缺失數(shù)據(jù)的不確定性。然后再，用標準的統(tǒng)計分析過程對三次替換后后才能產(chǎn)生的若干個數(shù)據(jù)集通過分析。后來，把充斥于各個數(shù)據(jù)集的統(tǒng)計結果并且綜合類，能夠得到總體參數(shù)的估計值。而重物估算技術并不是什么用每種的值來重命名缺失值，而是借著再產(chǎn)生失衡值的一個副本樣本，這種方法當時的社會出了導致數(shù)據(jù)缺失而會造成的不確定性，都能夠有一種更加管用的統(tǒng)計推測。增強這種方法，研究者可以都很不容易地，在不舍棄掉任何數(shù)據(jù)的情況下對缺失數(shù)據(jù)的未知性質(zhì)并且猜想。NORM統(tǒng)計軟件可以相對于最簡便地能操作該方法