在浏览器中做多重插补

Crosstabs 在你的设备上运行与 SPSS MULTIPLE IMPUTATION 对应的方法：FCS 或单调插补，线性回归、预测均值匹配或 logistic 模型，并汇聚描述统计与线性回归。

• 每个变量用哪种模型插补（线性回归、预测均值匹配或 logistic 回归）、用了哪些预测变量，以及插补了多少个值。
• 插补值与观测值相比如何，按每次插补和插补后的完整数据分别列出。
• FCS 链是否已收敛：查看插补值的平均值和标准差的迭代历史。
• 按 Rubin 规则汇聚的平均值与回归系数，及其标准误、自由度、缺失信息比例和相对效率。

1. 01

   打开数据并检查模式

   在“统计”模式中打开文件；先运行“分析模式”可以判断能否使用单调法。

2. 02

   选择变量

   在“缺失值”组中选择“插补缺失数据值”，并在“插补模型中的变量”中至少勾选两个变量。应包括后续分析要用的变量以及能预测缺失的变量。

3. 03

   设置测量级别

   在“测量级别（决定插补模型）”下把每个变量设为“标度”或“分类”；分类变量用 logistic 回归插补。

4. 04

   选择方法与设置

   插补方法：自动、FCS 或单调。标度变量模型：线性回归或预测均值匹配。设置“插补数”（默认 5）、“FCS 最大迭代次数”（默认 10）和“随机种子”，然后点击“插补”。

5. 05

   汇聚分析结果

   在“分析插补数据（汇聚结果）”中勾选“描述统计：变量”，和/或选择“线性回归：因变量”及预测变量，选择“自由度”规则，然后点击“运行汇聚分析”。

6. 06

   按需下载

   “下载插补数据（堆叠 CSV）”中 Imputation_ = 0 为原始数据，1 至 m 为各个完整数据集，文件只在本设备上生成。

插补设置

实际使用的方法（以及“自动”选择了哪种）、插补数、标度变量模型、最大迭代次数和随机种子。

插补模型

每个被插补的变量一行：模型类型、效应（预测变量）、缺失值数以及所有插补中的插补值总数，按插补顺序排列。

{variable}：描述统计

对每个被插补的变量，按每次插补列出原始数据、插补值和插补后的完整数据；分类变量显示计数和百分比。

迭代历史记录

FCS 方法下，按迭代绘制插补值的平均值和标准差折线图，每次插补一条线；收敛的链相互交织且无趋势。

描述统计（汇聚）

每次插补的平均值和标准误，以及汇聚行：自由度、95% 置信区间、缺失信息比例、方差相对增量和相对效率。

系数（汇聚）：因变量 {variable}

每次插补的 B 与标准误，以及汇聚后的 B、标准误、t、自由度、显著性和 95% 置信区间；脚注给出所有斜率为 0 的联合 D1 检验和平均 R²（不汇聚）。