我这有种方法，需要用到两个package，先提出缺失率比较大的观测，然后对剩余的缺失值进行填补，具体程序如下：
library(foreign)
library(DMwR)
read.csv("hepatitis.csv")->A
head(A)
A=A[-manyNAs(A,0.2),]  #delete the observation that has NAs more then 20%
clean.A=knnImputation(A,k=10)  #imputate the left NAs use the similarities between the rows

因为你要研究的是分类问题。建议用随机森林的办法补齐确实值，这样可以方便你进行分类问题的模型处理。
library(missForest)
missForest(dataframe)

spss里面分类变量该如何操作啊