在許多調查研究中，常會發生資料蒐集不完整的問題。當資料有部分為缺失值時，若未經處理而將資料刪去，很容易會失去一些珍貴的資訊，對原始資料的分析結果也可能會有偏誤出現。本研究以缺失資料對於巢狀迴歸方法，在中學生偏差行為分析結果的影響為主。首先以「台灣教育長期追蹤資料」 (Taiwan Education Panel Survey, TEPS) 於2005年下半年第三波高中調查中的新生樣本完整資料為基準 (baseline)，根據原有的缺失機制 (一倍的缺失比例)，建構出一倍、兩倍、三倍、四倍與五倍的項目缺失資料集。接著比較使用四種缺失資料處理方法 (個體刪除法、可用個體法、邏輯斯迴歸逐步填補法、蒙第卡羅─馬可夫鏈單一填補法) 時，在巢狀迴歸分析結果中影響外向性偏差行為顯著自變數的差異 (巢間顯著自變數數目的改變、巢內顯著自變數數目的改變、顯著自變數係數的改變)與巢狀迴歸檢定結果的差異，並觀察不同缺失比例下差異的改變。本研究建議MCMC法為最適合巢狀迴歸分析的缺失資料處理方法。

In questionnaire survey, it often occurs that data are collected incompletely. Researches have shown that missing data may cause biases, and the biases may be reduced if the suitable missing treatment were applied.
In this study, we focus on the impact of the missing treatment applying to nested regression for senior students' misbehavior data. First, we use the complete new panel data of the third wave in the second half of 2005 of Taiwan Education Panel Survey (TEPS) as a baseline. According to the missing mechanism, we constructed the item missing data sets with five different of missing portions, from one to five times of original missing data. We compared the difference of the result of the nested regression among 4 missing treatments including list-wise deletion, available case, stepwise logistic regression, and Monte Carlo Markov Chain. The result shows that MCMC method is the most suitable missing treatments for nested regression analysis.

第一章 緒論.................................................................................................... 1
第一節 研究背景 ............................................................................................ 1
第二節 研究目的 ............................................................................................ 1
第二章 文獻探討............................................................................................ 3
第一節 缺失資料的型態與處理 .................................................................... 3
第二節 巢狀迴歸分析 .................................................................................... 4
第三節 台灣教育長期追蹤資料庫 ................................................................ 5
第三章 研究方法............................................................................................ 8
第一節 影響資料缺失的顯著變數 ................................................................ 9
第二節 建立缺失資料集 .............................................................................. 13
第三節 建立缺失機制 .................................................................................. 14
第四節 建立項目缺失資料集 ...................................................................... 14
第五節 缺失資料處理方法 .......................................................................... 15
第六節 巢狀迴歸分析結果比較 .................................................................. 16
第四章 研究結果.......................................................................................... 20
第一節 影響興趣變數缺失的缺失機制模型 .............................................. 20
第二節 建立各種比例之缺失資料集 .......................................................... 21
第三節 基準資料集之巢狀迴歸分析結果 .................................................. 22
第四節 抽樣組數探討 .................................................................................. 25
第五節 各缺失處理方法對巢狀迴歸分析之結果比較 .............................. 26
第五章 結論與建議 ..................................................................................... 36
參考文獻.............................................................................................................. 38
附錄...................................................................................................................... 40
附表一：項目缺失資料集之抽樣結構表 (以一倍為例) ............................. 40
附表二：項目缺失資料集之缺失結構.......................................................... 43
附表三：各項目缺失資料集之巢狀迴歸分析摘要表 (以第一組資料為例)................................................................................................................................. 47
附圖一：標準差MAE及標準差RMSE折線圖 .......................................... 52

王鴻龍、楊孟麗、陳俊如、林定香 (2012)。缺失資料在因素分析上的處理方法
之研究。教育科學研究期刊，第五十七卷第一期，29-50。
范家菱 (2010)。應用填補方法在缺失資料處理上之因素分析研究。國立臺北大
學統計學系研究所碩士論文。
姚偉哲 (2009)。應用加權方法處理缺失資料之因素分析-以「台灣教育長期追蹤
資料庫」之第二波高中、高職、五專學生樣本資料為例。國立臺北大學統計學系研究所碩士論文。
徐美玲 (2007)。青少年早期社會關係與其心理健康、偏差行爲、快樂感相關性
之探討。新台北護理期刊，9(2)，23-34。
張嘉晏 (2011)。缺失資料處理對因素分析的影響－以臺灣教育長期追蹤資料庫
國中樣本心理健康問項跨期資料為例。國立臺北大學統計學系研究所碩士論文。
陳玉芳 (2008)。運動行為、自我控制與國中生偏差行為之關係研究。國立成功
大學教育研究所碩士論文。
陳俊如 (2008)。不完整等級資料在因素分析上的處理方法之研究。國立臺北大
學統計學系研究所碩士論文。
黎秀蕾 (2009)。多重插補方法處理缺失資料之因素分析－以「台灣教育長期追
蹤資料庫」之第二波高中、高職、五專學生樣本資料為例。國立臺北大學統計學系研究所碩士論文。
盧名瑩 (2010)。國中生金錢態度與偏差行為之關聯性研究。國立成功大學教育
研究所碩士論文。
魏琦芳 (2008)。青少年心理健康的影響因素－貫時性研究。醫護科技學刊，
第10卷第4期，251-266。
39
譚子文、范書菁 (2010)。依附關係、參與傳統活動、社會緊張因素與台灣地區
青少年外向性偏差行為及內向性偏差行為關聯性之研究。輔導與諮商學報，民99年，32卷1期，17-42頁。
譚子文 (2011)。台灣地區高中生依附關係、自我概念與偏差行為關聯性之研究。
青少年犯罪防治研究期刊，第三卷第一期，民100，41-80頁。
Daniels, R.S., Baumhover, L.A., Formby, W.A., & Clark-Daniels, C.L. (1999). Police
Discretion and Elder Mistreatment: A Nested Model of Observation, Reporting, and Satisfaction. Journal of Criminal Justice, 27,209-226.
Little R.J.A. and Rubin D.B. (1987). Statistical Analysis with Missing Data. John
Wiley & Sons, New York.
Schafer J. L. and Olsen M. K. (1998). Multiple imputation for multivariate
missing-data problems: a data analyst's perspective. Multivariate Behavioral Research, 33, 545-571.
Schafer, J. L., and Graham J. W. (2002). Missing Data: Our View of the State of the
Art. Psychological Methods, Vol. 7, No. 2, 147–177.