問卷缺失數據處理全攻略：分清 MCAR、MAR、MNAR 三種缺失機制，四步判斷與三種處理方法

漏答係數據本身嘅樣貌，唔係你調查失敗

問卷研究之中，缺失數據係常態而唔係例外。多數領域嘅實證研究都顯示，一份回收問卷平均有百分之五至十五嘅題目存在缺失，涉及收入、健康、政治取向等敏感題目嘅比例更高。所以當你打開數據檔，見到幾十個空白格，第一個反應唔應該係懷疑自己份問卷設計得差，而係接受呢個就係真實數據嘅樣貌。

問題嚟自第二個反應。好多學生見到空白格，會直接做三件事之一：把整份問卷剷走、把空格填零、或者把空格填成該題嘅平均值。三個做法都唔係必然錯，但如果你講唔出點解要咁做，答辯嘅時候就會被追問。缺失數據嘅處理係一個方法論決定，同你揀咩量表一樣需要理由。

呢篇文章會先講三種缺失機制，再講四步判斷流程同三種處理方法，最後交代點樣把整個決定寫入方法章。如果你嘅論文已經收到數據，而方法章嘅數據處理部分仲係一片空白，熟悉學術寫作嘅論文代寫團隊可以協助你補上呢一段。

三種缺失機制：漏答到底係隨機定有原因

統計學把缺失數據分成三類，分類嘅依據係「漏答同其他變項有冇關係」。呢個分類唔係學術裝飾，而係直接決定你可以用邊種處理方法。

第一類係完全隨機缺失（MCAR）。意思係漏答同任何變項都無關，纯粹係隨機事件，例如受訪者當日趕時間漏咗一頁。呢種情況下，缺失嘅個案同完整個案喺統計上冇系統差異，刪除法造成嘅偏差最小。

第二類係隨機缺失（MAR）。意思係漏答同其他已觀測嘅變項有關，但同該題本身嘅值無關。例如女性受訪者較多拒答收入題，但拒答嘅人收入分佈同作答嘅女性一樣。呢種情況下，刪除法會造成偏差，但可以用其他變項去預測同插補。

第三類係非隨機缺失（MNAR）。意思係漏答同該題本身嘅值有關。例如高收入者特別傾向拒答收入題，呢個時候缺失本身就攜帶訊息，任何插補都會低估或高估真實分佈。呢一類最難處理，通常只能在意見段落交代。

三類之中，MAR 係實務上最常見嘅假設。你要留意一個關鍵點：機制係假設，唔係可以直接觀測嘅事實。你只能透過檢查缺失模式提出合理判斷，然後在論文中說明你嘅假設。Purdue OWL 關於學術寫作與研究呈現嘅指引亦強調，方法章要交代嘅係你嘅決定同理由，而唔係假裝決定係唯一正確答案。

三類機制嘅判斷直接影響後面可以揀邊種方法。MCAR 之下刪除法造成嘅偏差最小，MAR 之下要用其他變項做插補，MNAR 之下任何插補都會有偏，只能在意見段落交代。呢個對應關係最好在檢查數據之前就搞清楚，因為佢決定咗你要唔要預留時間做插補。熟悉論文代寫服務嘅團隊在協助分析時，通常會先確認機制假設再落手處理，避免做完插補才發現假設唔成立。

四步判斷：由睇漏幾多到決定點處理

缺失數據嘅處理唔應該憑感覺，按以下四步走就可以得出一個講得通嘅決定。

第一步係量化缺失比例。你要分三個層次睇：全體缺失比例、每個變項嘅缺失比例、每個個案嘅缺失比例。三個數字嘅意義完全唔同。如果某條題目缺失超過一成，你要特別交代；如果某個個案缺失超過一半，就可以考慮剔除。

量化嘅時候要留意一個容易混淆嘅位：系統缺失同項目缺失係兩件事。系統缺失指某個變項完全冇數據，通常源於問卷設計或者資料匯入出錯，唔屬於統計意義上嘅缺失值，要當成資料錯誤處理。項目缺失指個別個案冇答個別題目，才適用本文講嘅三種機制。分清楚兩者，就唔會把資料匯入錯誤當成缺失值去插補。

第二步係檢查缺失模式。做法係把缺失狀態標成 0 同 1，然後睇缺失同其他變項嘅關係。有冇某些題目成對出現缺失？有冇某些背景組別特別多缺失？呢一步嘅目標係搵出規律，規律存在就傾向 MAR 或 MNAR。

第三步係判斷機制。如果第二步搵唔到任何規律，可以傾向 MCAR；如果規律只涉及其他變項，可以傾向 MAR；如果規律直接指向該題嘅值，就要考慮 MNAR 並在意見段落交代。

第四步係選擇處理方法，並記錄理由。記錄呢一步最容易被忽略，但佢決定咗你嘅方法章寫唔寫得出。建議用一句話格式記錄：「某題缺失比例為百分之八，缺失與組別相關，故採用多重插補。」累積幾句就構成方法章嘅初稿。

四步之中，第一步最容易被跳過去做。學生通常會直接跳到插補，但其實缺失比例本身就決定咗可以揀邊種方法。全體缺失低於百分之五，多數方法都可以接受；高於一成，就要更謹慎，並在限制段落交代影響。

實際做嘅時候，四步可以整成一份簡短紀錄，把每條題目嘅缺失比例、模式判斷、機制假設同處理方法逐項寫低。呢份紀錄有兩個用途：一係方法章嘅素材，二係答辯嘅準備。當教授問你點解用某種處理，你可以直接翻出對應嘅一項。熟悉論文代寫服務嘅團隊在整理方法章時，亦會要求作者保留呢份紀錄。

三種處理方法同各自嘅代價

掌握機制之後，處理方法就係三選一或者組合使用。以下三種由簡到繁排列，代價亦隨之上升。

第一種係刪除法，即係把有缺失嘅個案剔走。佢嘅做法最簡單，統計軟件通常預設就會做。代價係浪費數據，而且如果缺失唔係完全隨機，樣本會偏向某一類人。適用情況係缺失比例極低，而且你已經確認機制接近 MCAR。

第二種係單一插補，例如用平均數、中位數或者回歸預測值去填補。佢嘅好處係保留全部個案，做法亦容易交代。代價係插補值本身冇不確定性，會令標準誤偏細，統計檢定容易出現假顯著。所以報告嘅時候一定要交代用咗邊種插補。熟悉論文代寫服務嘅寫手在檢查呢一段時，會特別留意有冇交代插補方法同軟件功能，因為呢兩個細節決定咗結果可唔可以複製。

第三種係多重插補，做法係基於其他變項嘅分佈生成多組插補值，再合併結果。佢嘅好處係保留了不確定性，係目前較獲認可嘅做法。代價係步驟較多，要用專門套件處理，而且你要理解合併嘅原理才寫得出方法章。

三種方法之間冇絕對優劣，只有配唔配對。揀嘅時候記住一個原則：方法嘅複雜程度要同缺失嘅嚴重程度相稱。缺失比例低而強行用多重插補，會被質疑係小題大做；缺失比例高而只用刪除法，就會被質疑係迴避處理。若果你想睇更多數據處理上嘅常見錯誤，可以參考數據分析常見錯誤嘅整理。熟悉論文代寫服務嘅寫手在整理呢一部分時，習慣先確認缺失比例同機制判斷，再決定用邊種敘述方式，因為寫法取決於你手上有幾多證據。

最易犯嘅四個錯誤

以下四個做法都唔係錯得離譜，但都講唔出理由，所以答辯嘅時候最容易被追問。

錯誤一係見到空白就整個個案刪走，然後唔交代。呢個做法等於默默改變樣本構成，讀者睇唔到你有冇處理過。

錯誤二係把空白填零。呢個做法在李克特量表上特別容易出錯，因為零可能代表「非常不同意」而唔係「沒有作答」，填咗就等於憑空創造答案。

錯誤三係做咗均值插補但唔交代。均值插補本身可以用，但唔講就會令讀者誤以為數據完整，亦無法評估插補帶嚟嘅影響。

錯誤四係用缺失比例做藉口改研究問題。例如原本分析整個族群，最後只分析完整個案，但論文裏面仍然寫成分析整個族群。呢個屬於前後不一致，比缺失本身嚴重。

四個錯誤有個共通點：都係沉默地做咗一個決定。修正方法同樣簡單，就係把決定寫出嚟，包括做咗咩、點解咁做、對結果有咩影響。

UNC 寫作中心嘅寫作資源指出，研究寫作最常出問題嘅位置，就係作者默默做咗決定而冇交代，讀者因此無法評估結論嘅可靠程度。

四個錯誤有一個共通嘅修正方法：每次做決定之前問自己一句「如果我唔寫出嚟，讀者會唔會以為我冇處理過」。如果答案係會，就代表呢個決定必須寫入論文，因為讀者對沉默嘅處理只會理解成準備不足。

進階：把缺失值處理寫入方法章

處理做得對，寫得唔清楚一樣扣分。方法章嘅缺失數據段落，標準寫法包含五個元素。

元素一係缺失比例，分題目同個案兩個層次交代。元素二係機制假設，說明你判斷屬於 MCAR、MAR 抑或 MNAR，並交代判斷依據。元素三係處理方法，講明用咗邊個方法同邊個軟件功能。元素四係處理後嘅樣本數，讓讀者知道你最終分析咗幾多個案。元素五係影響評估，簡短說明處理對結果可能有咩影響。

五個元素之中，元素二係最常被漏嘅一個。多數論文只寫「缺失值以平均數替代」，但冇交代機制假設。補充嘅方法係在處理方法之前加一句：「由於缺失與背景變項呈系統關係，本研究假設缺失機制為隨機缺失（MAR）。」一句話就可以令整段嘅專業度唔同。要記住一個細節：你寫嘅係假設而唔係事實。可以寫「本研究假設缺失機制為 MAR」，但唔應該寫成「缺失屬於 MAR」，因為後者係你冇能力證明嘅結論。熟悉論文代寫服務嘅團隊在覆核方法章時，最常修正嘅就係呢類語氣問題，因為評審對研究限制嘅表述特別敏感。

寫嘅時候仲要留意位置。缺失數據段落應該放在數據處理部分，即係量表信度檢驗之後、正式分析之前。如果放在太前，讀者未知道你有咩變項；放在太後，就變成事後補充。呢個順序在SPSS 信度分析等分析流程嘅交代上同樣適用，因為資料處理嘅敘述順序本身就係邏輯嘅一部分。MIT 寫作與傳播中心嘅寫作資源亦提醒，數據處理嘅敘述要令讀者能夠重複整個流程，所以每一步都要有對應嘅操作描述，唔可以只寫結論。

交稿前嘅缺失數據自查清單

以下六項可以逐項核對，全部通過就表示呢部分交代完整。

第一，每條題目嘅缺失比例你都講得出。第二，缺失模式有冇規律你已經檢查過。第三，機制假設同判斷依據有寫入方法章。第四，處理方法同使用嘅軟件功能有具體交代。第五，處理前後嘅樣本數都有列出。第六，限制段落講明處理方式對結論嘅影響。

呢六項之中，第五項最實用。因為只要列出處理前後嘅樣本數，讀者就可以自己判斷影響有幾大，你亦唔需要長篇解釋。實務上建議把兩個數字寫在同一句，例如「原始樣本 208 份，經缺失值處理後保留 189 份」，一句話就交代清楚。

其餘五項嘅核對方式類似，重點係每一項都要有一句可以寫入論文嘅句子。如果某一項你寫唔出句子，通常代表你未真正做過嗰個判斷。熟悉論文代寫服務嘅團隊在最後校對時，會用同一標準檢查：每個處理決定都要對應一句具體交代，

總結

缺失數據嘅處理，核心唔在於揀邊種插補方法，而在於你能唔能夠講出你嘅判斷依據。三種機制決定咗可以用邊種方法，四步流程幫你由數字走到決定，三種處理方法各有代價。真正要避免嘅係沉默地刪走一批個案，然後當冇事發生。

如果你嘅論文已經收咗數據，建議先做一件事：把每條題目嘅缺失比例列一次。呢個動作通常唔需要半個鐘，但佢會直接決定你嘅方法章要寫幾多內容。列完之後，你就會清楚自己嘅數據屬於「可以照做」定「需要交代」嘅情況。

常見問題

問：缺失比例幾多才算嚴重？
答：一般以百分之五同一成分界。低於百分之五通常可以直接處理，超過一成就要在限制段落交代對結論嘅影響範圍。

問：MCAR、MAR、MNAR 點樣判斷？
答：冇方法可以百分百確認，只能靠檢查缺失模式提出合理假設。如果缺失同其他變項有系統關係，通常假設為 MAR。

問：均值插補係咪一定唔可以用？
答：可以用，但必須交代，並且要說明佢會令標準誤偏細，統計檢定容易出現假顯著。缺失比例高一成的話，建議改用多重插補。

問：可以只刪除部分個案嗎？
答：可以，但要交代剔除標準同剔除後嘅樣本數。如果剔除標準同研究變項相關，就會引入選擇偏差，令結果偏向某一類個案。

問：缺失值處理要唔要寫入限制段落？
答：要。方法章講你點做，限制段落講呢個做法對結論嘅影響，兩者係唔同嘅交代任務。只寫方法章而唔寫限制段落，會被視為迴避交代。

問：質性研究都有缺失問題嗎？
答：有，但講法唔同。質性研究通常講資料飽和同受訪者退出，處理邏輯同定量研究嘅缺失值唔一樣，亦唔會用插補嘅概念。

問：時間唔夠，缺失數據部分應該先寫邊一項？
答：先寫缺失比例同處理前後嘅樣本數，兩項影響最大。若需要協助整理方法章嘅數據處理段落，熟悉研究方法嘅論文代寫團隊可優先處理。

WhatsApp 諮詢：+852 94783837
Telegram：@essayhelper_hk
網站：https://www.essayhelperhk.com/