SPSS多重插補法（multiple imputation）~~1－晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

多重插補法（multiple imputation）可以說是以模型基礎法來插補的延伸，是屬於利用迴歸模式進行插補的一種方法，由於該方式是從預測值的合理分配中隨機抽取數個數值進行插補，因此稱之為多重插補，此一方法可適用於縱貫性資料或單一觀察資料，也可處理多變量資料結構。

目前多重插補法主要的演算法分為（1）最大期望值法（expectation maximization, EM）與（2）馬可夫鏈蒙地卡羅法（Markov Chain Monte Carlo, MCMC），而SPSS軟體中所提供的演算法即為後者，是透過貝氏定理的方法，以先驗機率分析資料，再以條件後驗分配進行重覆抽樣，直至近似分配收歛至目標分配為止。

SPSS多重插補法會產生m個資料集（m≧3），在應用上是搭配統計分析直接使用，所得到的參數估計值，是將資料集進行個別分析後，將所有的參加估計值進行平均；當進行推論性統計時，則會多出顯著性統合（pooled）的結果，讓研究者直接進行結論；另外，有文獻建議，使用多重插補法所產生的資料集數可以控制在10以下，因為再增加插補次數，其相對效率並不會提升太多。

分析樣式（用來檢視資料遺漏狀況）

（1）點選「多重插補（multiple imputation）」→「分析樣式」

（2）將需要分析遺漏狀況的變數丟入右方「分析各個變數」

（3）「遺漏值摘要」

用來分析變項遺漏概況。

（4）「遺漏值樣式」

用來檢視資料的遺漏狀況，判斷遺漏狀況是否屬於單調形式，進一步在插補模式中來選擇適當的插補方式。不過由於在SPSS的多重插補中已提供自動判別功能，而且最複雜的馬可夫鏈蒙地卡羅法可適用於各種遺漏形式的資料，所以此部分不用再由研究者判斷（不勾選亦可）。

（5）「含有最高遺漏值次數的變數」

可控制顯示要顯示有遺漏值的變項，包含調整所顯示的遺漏值變數個數，以及遺漏百分比多少以下的變數不顯示。