不管是什麼樣的資料庫，一定都會有 missing value。處理missing value最常見的方式就是listwise deletion，就是所有值都有的才保留，不符合的就刪掉。當然，處理missing value還有其它方式，像是multiple imputation，不過這不在今天討論的範圍，今天只講listwise deletion，以及該怎麼在stata裡面處理。
Stata version 7及之前版本，missing value只有一個值，就是 . (英文句點的那個點)。所以在早期的code，如果要排除missing value，做法通常是下if variable !=.
不過，這樣的指令到了version 8以後的版本，就不正確了！ 因為第八版開始，missing value有了較多選擇，共同的特色是這些值都是從 . 開始的，如.a, .b, .k, 到.z等。換言之，舊的作法在很多情況下很容易出現問題。
regress a b if c!=. & d!=.
regress a b c if d!=.
regress a b c d
在第一行的程式裡，其實這會不小心將c這個變數為.b, .c等其它亦為missing value的值包含進去，所以如果要整個regression的observation number都一樣的話，就不能再用這種作法。應該選擇的方式是 if c <. 或是if !mi(c) 這兩種作法。
不信嗎？那拿之前(Kuso)性伴侶人數研究的案例來分析好了。之前寫的regression的程式如下：
regress dpartners dmale age dblack dother dincome if (dwidowed!=.) & (ddivorced!=.) & (dseparated!=.) & (dnevermarried!=.)& (happy<.) & (dlangcom!=.) 跑出來是1033個人。不過你應該注意到裡面有一個值 happy我是用 <.，如果改回happy!=.的話，會發生什麼事呢？
regress dpartners dmale age dblack dother dincome if (dwidowed!=.) & (ddivorced!=.) & (dseparated!=.) & (dnevermarried!=.)& (happy!=.) & (dlangcom!=.) 你會注意到結果像下圖一樣，number of obs.變成了1041。
如果想要確認一下，你可以tab一下看happy這個變數的分佈：
tab happy, missing
你會看到happy下面有幾個.d, .n，這些就是造成if happy!=0 這個語法不能完全排除happy的missing value。
所以最好的方式，就是像之前所說的，用!mi(happy)這種方式較為理想。下次再介紹其它處理missing values的技巧。
標籤： 統計分析