根据  理论和常识来确定变量

2# 蓝色
谢谢版主，我已筛选至38个自变量。。。
可是有些问题，比如有5个变量是这样的数据
1.你认为你活到75岁的概率有多大
2.你认为你活到80岁的概率有多大
3.你认为你活到85岁的概率有多大
4。你认为你活到90岁的概率有多大
5.你认为你活到100岁的概率有多大

这都是关于longevity的自我评估，我该如何处理这样的5个相关的变量呢？需要做聚类/因子分析么？

求解答，谢谢！！

我个人觉得，先不用那么急。
单就数据来自问卷，很多缺失值 这一句话，就很值得探索。

当您依据蓝色版主的那句 "根据  理论和常识来确定变量"
同时经过您专业的经济素养，筛选至38个自变量。
那么，先看看这些变数的叙述统计吧！ 首先确定，有没有违反您的直觉。
再则，当这些变数同时被考虑进去模型时，您造成的missing值个数有多少个。
譬如A及B与C三个变数，您未来打算放入模型，那A与B及C有各自的缺失值，
放入模型后，通常进行的，会是min{A,B,C}三者最小无缺失值的个数。

简言之，因为Missing value的问题，最后，您要从最简单的叙述统计，
去探讨有无违反直觉，有无丧失样本的代表性。 【这是最基本，但也最容易被质疑的地方】
如果没有丧失，再接着去探讨后续的研究问题吧！

当然，现代有关Missing值得处理，已发展成一门学问，
而stata的手册 [MI] 也进行了部份探讨与介绍。