我们正在使用ESS数据集，但不确定如何处理SAS Enterprise Guide中的缺失值问题。我们的因变量是“主观幸福感”，并且旨在包含大量的控制变量 - 因此，我们的情况是我们有一个包含大量缺失值的数据集。
我们不想使用“列表删除”。相反，我们希望根据受访者的回答以不同的方式处理不同的错误：“不回答”，“不适用”，“拒绝”，“不知道”。例如，我们计划进行不适用的成对删除，而我们可能希望使用例如其他一些反应的平均值 - 取决于问题（假设受访者的回答提供有关MCAR，MAR，NMAR的信息）。
我们的主要问题是：
我们已经尝试了解这一点，但有点困惑，所以我们非常感谢任何帮助:)
答案 0 :(得分：1)
在技术说明中，SAS提供了特殊的缺失值：.a .b .c等（不区分大小写）。
替换SAS中的数字值，例如99 =.a 77 = .b
决策树例如能够将这些作为单独的值处理。
要在回归模型中保留缺失观察的信息，您必须进行某种权衡（找到对您的问题最不利的解决方案）。
一个经典的解决方案是创建虚拟变量并替换 缺失值与平均值。包括假人和傻瓜 模型中的原始变量。可能的问题：系数 将是有偏见的，多重共线性，太多的类别/变量。
另一种方法是将变量BIN分类。做 只是按价值（例如十分位数），你可能会遭受信息损失。通过理论和方法来做 你可能会遭受确认偏见。
更先进的方法是计算信息 值 （http://support.sas.com/resources/papers/proceedings13/095-2013.pdf） 您的自变量。从而替换所有值，包括 失误。因此，这将再次导致偏见和损失 信息。但至少可能是识别的一个很好的步骤 有用/无用的缺失值。