本研究上最常遇到的問題就是Missing data，而Missing data係指在問卷資料填寫不完整，導致所收集的資料不完整、分析資料上有困難，如果不重視Missing data的處理，將會影響到推論結果與研究解釋，因此，一個嚴謹的研究，必須要重視Missing data的處理，當然我們都不希望發生Missing data的狀況，但是如果真的產生Missing data，應該如何去處理呢？
　
　　演講者提供了五種方式來解決Missing data的問題，分別為Ad Hoc methods、Single Imputation、EM、algorithm、Multiple Imputation，每一種方法有其適用狀況或者假設，在運用這些方法時，這是我們應該要注意的地方。此外，由於軟體的開發，也使得Missing data的處理變的簡易多了，透過演講者親自的操作，我們清楚的了解到處理Missing data不再像以前這麼困難，因此，後進學者面臨到Missing data的問題時，不應該去忽視它，要進一步處理。

　　在處理Missing data問題前，我們應該要考慮一個問題，一個變項中有多少的資料遺漏，才需要進行Missing data的處理，在思考這個問題前，我們必須先問自己，這個變項對於我們研究的重要性為何？如果對於解釋研究結果相當重要時，那就必須要進行Missing data的處理。

　　彭教授為我們帶來研究上處理Missing data的方法，每種方法免不了限制或假設，因為Missing data的處理，並非取得最原始的資料，而是利用軟體產生一個近似的值，雖然不能取得完全百分之百正確的原始數值，不過經過此修正，能夠將Missing data產生的影響降到最低，也不至於到最後影響到研究結果，此場演講對於後進研究者可謂受益良多。

莊郁琳整理