IBM SPSS Missing Values
― 欠損データを適切に補完し、有効な結論を引き出すための専用モジュール

データの有効性を考慮する際の重要なツール。欠損データのパターンを可視化し、要約統計量を推定し、統計アルゴリズム（多重代入法など）で欠損値を補完します。欠損を無視・除外することによるバイアスを回避できます。

SPSS Statistics Base に追加して利用 研究／実務両用 最終更新 2026.05.17
価格・見積を依頼する 機能の詳細を見る

Missing Values でできること

データの有効性を考慮する際の重要なツール。欠損データのパターンを可視化し、要約統計量を推定し、統計アルゴリズム（多重代入法など）で欠損値を補完します。欠損を無視・除外することによるバイアスを回避できます。

本モジュールが解決する課題

  • 欠損による分析結果の偏りを最小化
  • アンケート設計の改善材料の取得
  • 縦断研究・追跡調査における脱落データの扱い
  • 論文・報告書で「適切な欠損処理」を明示できる

代表的な利用シーン

脱落データの補完

医学・臨床研究

追跡研究で発生する脱落データを多重代入法で補完し、ITT解析の妥当性を高めます。

未回答パターンの分析

アンケート調査

未回答の発生パターンから問題のある質問項目を特定し、調査票の改善に活用します。

縦断データの補完

経済データ

パネルデータで一部期間が欠損している場合に、観察された情報から推定値を補完します。

主な搭載分析手法

1

多重代入法（MI）

欠損値に対して複数の推定値を生成し、結果を統合することで推定の不確実性を反映する標準的手法。

2

EMアルゴリズム

最尤推定に基づき欠損値を補完するアルゴリズム。

3

欠損パターン分析

欠損の発生パターン（MCAR／MAR／MNAR）を可視化し、補完戦略の判断材料を提供。

4

回帰補完

他変数からの予測により欠損値を補完する古典的手法。

SPSS Statistics Base ／ 関連モジュールとの関係

Missing Values は SPSS Statistics Base の上位に位置するアドオンで、Base 単体では実行できない手法を補完します。研究・業務内容に応じて関連モジュールと組み合わせることも可能です。

製品／モジュール主な役割本モジュールとの関係
SPSS Statistics Baseリストワイズ削除・平均値補完簡易的な欠損処理はBaseで対応。高度な補完にはMissing Valuesが必要。
SPSS Data PreparationADPによる自動補完データ準備工程全体を扱う併用可能なモジュール。

Missing Values の導入、お気軽にご相談ください

研究テーマ・業務要件に応じて、最適なモジュール構成をご提案します。
導入見積もり・アカデミック価格のご相談も承ります。

無料オンライン相談（30分） 価格・見積を依頼

お電話でのご相談：0120-835-761　受付 9:00–18:00（土日祝除く）

よくあるご質問

Q.リストワイズ削除ではダメですか？
欠損がランダム（MCAR）の場合は問題ありませんが、欠損がランダムでない場合は結果にバイアスが生じます。欠損割合が大きい場合や論文発表を行う場合は多重代入法が推奨されます。
Q.多重代入法の代入数は何回が適切？
一般的には20〜100回が推奨されます。欠損割合が大きいほど多くの代入が必要です。SPSS Missing Valuesでは柔軟に設定できます。
Q.MCAR・MAR・MNARとは？
MCAR=完全にランダムな欠損、MAR=観測変数で条件付ければランダム、MNAR=ランダムでない欠損です。多重代入法はMARを仮定します。

お気軽にご相談ください0120-835-761受付時間 9:00-18:00 [ 土・日・祝日除く ]

問合せ・見積・注文をする お気軽にお問い合わせください