使用SPSS的进行缺失值填补的一般流程：

步骤1：缺失值描述这是基本的过程，分析人员需要对数据有总体的考量，像缺失比例（过大不宜填补）、缺失值分布（单调情况）、什么类型的缺失值等等。

步骤2：一般来说，侦察变量间是否存在相关关系是必要的，缺失值分析是利用相关变量对缺失值进行填补，如OLS估计中回归模型的填补、ML估计中变量间的相关信息（amos）等。这些过程可以利用软件的统计过程加以确定，也可以直接解读缺失值分析过程里的一些选项，像缺失值的t检验。缺失值分析中通常需要变量间存在相关关系，这也是分析的基础。

步骤3：变量间的相关关系，有可能是线性的，也可能是非线性的。那么变量间的线性关系可以通过散点图描述。通常来看，线性的关系建议使用回归模型填补、非线性的使用EM的方法填补。

如果SPSS用户希望获得多重插补的结果。

可以使用多重归因过程，提供MCMC（缺失比例过大或能利用的完整数据比较少，该方法结果往往无法收敛）和单调两种填补的方法，也可以贝叶斯的方法（amos）。当然这个过程中的单调性检查也是必要的。参见：https://bbs.pinggu.org/thread-2349878-1-1.html

至于多重插补数据集结果分析的方法有：

不同数据集的筛选或者综合利用完整数据信息。

1）根据模型拟合度的优劣筛选数据。

  例如：建立不同组的模型，比较模型优度指标R方。

2）根据项目判断更适合项目需求或实际意义的数据集。

  例如：主要检查变量的显著性，看哪个结果更符合实际情况。

3）利用完整信息获得相关统计量

例如：可以计算联合标准误，spss针对多重归因的数据会有相应过程默认处理。