如何对论文中的缺失数据进行处理？

第一步：检查数据的缺失类型。 分为两种情况，一种是设计上可忽略的缺失数据，另外一种是设计上不可以忽略的缺失数据。

第二步：确定设计上可忽略的缺失数据三个部分1.缺失是研究设计的一部分 2.抽样而不是总体 3.截断数据：用男飞行员的身高估计男性整体身高

第三步：明确设计上不可忽略的缺失数据两种类型1.已知的情况：过程性因素导致的缺失。数据公开受限；没有完成问卷；被试选取失误（生病等）等。 2.未知的情况：直接由被试的原因导致的。比如被试拒绝回答某些题目。

第四步：检查数据的缺失程度的统计比例1.每个个案(case)在所有变量上的缺失比例；在每个变量上缺失数据的个案比例；在所有变量上都没有缺失的个案比例。

第五步：检查数据的缺失程度的判定标准。缺失比例低于10%，使用任何一种缺失数据的处理方法，差异都不大，但不包括非随机缺失。对有过多缺失的个案或变量进行简单的处理——删除；缺失比例15%以上的变量可以考虑删除，但缺失比例更高的（20%~30%）,通常会进行补救

第六步：诊断数据的缺失机制。1.完全随机缺失（MCAR）2.随机缺失（MAR）3.非随机缺失（MNAR）

第七步：选择插补方法。成列删除，成对删除，个案替补，冷卡或热卡插补，均值插补，回归插补，或基于模型的方法。