利用数据挖掘系统处理一下就可以了

数据缺失属于正常现象，只要通过分析满足不同方法对于正态性或方差齐性等要求即可，在分析时有几种处理方法：1.使用平均值替换缺失值(replace with mean)；2.在分析时剔除有缺失值的样本，在分析时选择exclude cases list wise方法，即去除所有含缺失值的个案后再进行分析；3.Exclude cases pairwise只有当一个观测量的全部聚类变量值缺失时才将其从分析中剔除。以上三种方法在option-missing values中选择，不过不同的统计方法可能略有区别。请其他坛友补充、改正！

哦，谢谢

那就不算是无效问卷了吧？

如果选择DELETE的话，应该选LISTWISE， 不要用casewise. 也就是当它们是无效的。

选择REPLACEMENT的话， 是当它们是有效的。除了MEAN REPLACEMENT之外还可以用REGRESSION REPLACEMENT.

录入的时候可以直接省略不录入
分析的时候也一般剔除这样的样本。但也有替换的方法，一般有：
均值替换法(mean imputation)，即用其他个案中该变量观测值的平均数对缺失的数据进行替换，但这种方法会产生有偏估计，所以并不被推崇。
个别替换法(single imputation)通常也被叫做回归替换法(regression imputation)，在该个案的其他变量值都是通过回归估计得到的情况下，这种
方法用缺失数据的条件期望值对它进行替换。这虽然是一个无偏估计，但是却倾向于低估标准差和其他未知性质的测量值，而且这一问题会随着缺失信息的增多而变得更加严重。
多重替代法(multiple imputation)(Rubin, 1977) 。
ƒ它从相似情况中或根据后来在可观测的数据上得到的缺省数据的分布情况给每个缺省数据赋予一个模拟值。结合这种方法，研究者可以比较容易地，在不舍弃任何数据的情况下对缺失数据的未知性质进行推断(Little and Rubin,1987; ubin,1987, 1996)。