数据有「缺失值」别乱填！3 种正确处理方式，让结果更可靠

收集数据时，缺失值几乎无法避免：患者填问卷时漏填 “学历”，随访时打电话没人接导致 “血压值” 没记录，实验室检测时样本污染导致 “血脂数据” 缺失…… 很多人会直接做两件事：要么把有缺失值的行删掉（行删除法），要么随便填个 “平均值”—— 这两种做法都会严重扭曲结果！​

先说说错误做法的危害：比如你收集了 200 例糖尿病患者数据，其中 30 例漏填 “糖化血红蛋白”（HbA1c），如果直接删掉这 30 例，样本量只剩 170，可能会丢失 “老年患者更易漏填 HbA1c” 的信息，导致样本偏倚；如果直接填 “所有患者的 HbA1c 均值 7.5%”，但漏填的患者可能其实是 HbA1c 偏高的人群，填均值会让结果偏低，完全不准。​

教你 3 种专业处理方法，按缺失率选：​

1. 少量缺失（缺失率＜5%）：用「简单填充法」，快速且影响小。​

• 计量资料（如血压、HbA1c）：填 “该组的中位数”（比均值更抗极端值，比如某组有个患者血压 200mmHg，用均值会拉高，用中位数更合理）；​
• 计数资料（如性别、学历）：填 “该组的众数”（比如某组里 “高中” 学历的人最多，就填 “高中”）。​

1. 中度缺失（缺失率 5%-20%）：用「多重插补法（MICE）」，这是目前最推荐的方法。它不是填一个值，而是通过统计模型（比如用年龄、体重、其他检测指标预测缺失的 HbA1c）生成 5-10 个合理的缺失值，再分别分析这 10 组数据，最后合并结果 —— 相当于 “让数据自己补全自己”，准确性高。SPSS 里操作很简单：在 “分析” 菜单找 “缺失值分析”，选 “多重插补”，跟着向导走就行，不用写代码。​
2. 大量缺失（缺失率＞20%）：别硬填！两种处理方式：​

• 如果这个指标不是核心变量（比如研究 “降压药效果”，缺失的是 “职业”），直接在论文里说明 “该指标缺失率 25%，未纳入分析”；​
• 如果是核心变量（比如缺失的是 “血压值”），只能补充收集数据，比如联系失访的患者，或者扩大样本量，否则结果不可靠。