缺失值口径

统计过程取数时，「缺失」包含两种：

• 系统缺失：单元格为空（. / 未录入）；
• 用户缺失值：变量上通过 MISSING VALUES 声明的取值（如问卷里的 -1、99、999，或「11 THRU 14」这样的缺失范围）。

两者在所有分析过程里一视同仁，都算缺失。这一节把每条口径写清楚，避免同一个数据集在不同过程里得到互相矛盾的 N。

五条基本口径

规则	内容
A	单变量过程只看该变量自身：该变量的系统缺失与用户缺失值都不算有效取值。
B	多变量过程要求各变量按个案对齐。相关矩阵按 PSPP / SPSS 默认的成对删除（每一对各自排除该对里的缺失）；需要「完全案例」的过程（如配对 t 检验、配对置换、简单回归、K 均值、信度、因子分析）用整行删除，即只保留所有参与变量都有效的个案。
C	加权统计同时要求取值与权重都有效；任一缺失就整条个案不参与。
D	带分组变量的过程：分组变量或分析变量缺失的个案不进任何一组（分组变量的缺失值本身也不会成为一个组）；组标签用分组变量的显示值（有值标签时用值标签）。
E	分类过程（频数、交叉表、FREQUENCIES、条形图）把用户缺失值计成「缺失」一栏，而不是一个类别；交叉表的行列类别不包含用户缺失值。

逐过程对照

过程	口径
描述统计、频率、直方图、箱线图、误差条图、Q-Q 图	A
单样本 t 检验、正态性检验、ROC	A
独立样本 t 检验、单因素 / 双因素 ANOVA、ANCOVA、Kruskal-Wallis、有序趋势检验、置换检验（两样本）	D（分组变量或分析变量缺失都剔除） + A
配对 t 检验、Wilcoxon 符号秩、配对置换	B（成对完整个案）
Pearson / Spearman 相关、偏相关	B（成对删除）
简单 / 多元 / 逐步回归、logistic 回归、因子分析、K 均值、信度	B（整行删除）
加权描述统计与其他加权过程	C
频数、交叉表、CTABLES、条形图	E
多重响应集（MRSETS 的 /FREQUENCIES、/CROSSTABS）	A + E：按变量逐个判定选中，计数不加权；应答个案数为含至少一个有效响应的个案数

变量取值本身的原始值（含用户缺失值）仍然保留在数据集里：数据编辑器、导出与「查找个案」看到的是原始值，只有统计过程按上面的口径把它们当缺失。Dataset.rawColumn 返回原始取值，Dataset.numericColumn 返回已把用户缺失值置空的分析取值。

与 PSPP 的差别

PSPP 默认同样把用户缺失值排除在分析之外，但提供了逐过程的 MISSING=INCLUDE 开关，把用户缺失值当成普通取值参与计算。本应用固定排除，不提供该开关：口径统一、结果不容易被误读；确实需要「把 99 当普通取值」时，请先用 RECODE 把该取值改成想要的值（或删除 MISSING VALUES 声明）。

其余口径与 PSPP 2.1.2 一致，test/pspp_parity_test.dart 用 PSPP 自带测试的期望输出做对拍（AUTORECODE、RANK、ONEWAY、CORRELATIONS 成对删除、NPAR TESTS Mann-Whitney），并在 CI 上执行。

v1.4.0 顺带修正的口径（一处缺陷 + 两处口径差异）

对拍与复核过程中发现并修正了一处错位缺陷与两处统计口径差异（都属于「结果和教科书 / PSPP 对不上」的类别）：

1. 多变量个案错位（缺陷）：此前部分多变量过程先各自过滤列、再按位置截断，导致变量之间错位配对（例如某一行 pre 有效、post 缺失时，两列会错开一格）。现在统一走按个案对齐的取数（见上表），并有专门的回归用例。
2. Levene 方差齐性：改为以组均值为中心（PSPP / SPSS 口径）。此前用的是组中位数（Brown-Forsythe），数值与 PSPP、SPSS 的 Levene 表不同；SPSS 的 ONEWAY / T-TEST / GLM 也都用组均值。
3. Mann-Whitney U：渐近方差补上结校正 σ² = n1·n2·[(n+1)/12 − Σ(t³−t)/(12·n·(n−1))]，p 用 2·Φ(z)（PSPP 的 Asymp. Sig. (2-tailed)）。连续性校正后的 Z / p（SPSS、R correct = TRUE 的口径）仍可在 API 结果的 extra['zContinuityCorrected'] / extra['pContinuityCorrected'] 取到。

统计量的实现与 API 见 statkit，各过程的入口见统计分析。