我基本上同意wolf.rauch在这里所说的一切，并想讨论一些您可能可以使用的替代方案。

我的理解是，在被 IBM 收购之前，AMOS 已经拥有连续数据的 FIML（完整信息最大似然）至少十年——请参阅http://www.smallwaters.com/amos/faq/faqa-missdat.html，这是 2000 年左右离开该项目的原始开发人员之一的旧常见问题解答。如果您愿意忽略项目的序数性质，则可以使用此方法，而无需费心计算多重插补。

如果您不喜欢此解决方案，并且希望保留数据的分类性质，则需要找到带有序数链接的链式方程方法（如果 SPSS 有的话）。如果 SPSS 仅从多元正态分布中提取数据，那么您将回到忽略数据序数性质的情况，并且没有比 AMOS 的 FIML 更好的情况。（我不知道 SPSS 中有什么可用的，你必须弄清楚。最后，如果 AMOS 不支持多重插补，一切都将徒劳无功——再说一次，我不知道。）

如果您愿意考虑使用 Stata，那么您就有机会在其中进行分析，使用Patrick Roystonice或官方对序数数据进行多重插补的所有花里胡哨mi，然后是新sem套件。或者，您可以运行gllamm以获取序数数据的 FIML 估计值（尽管可能需要很长时间才能收敛）。

Q1：我想你不是在问变量名是否与插补有关。我想您是在询问是否对原始数据或“尺度”进行多重插补，这意味着假定测量相同结构的原始数据变量的总得分。

鉴于您关心正确的方法（这很好），那么在对丢失的数据做任何事情之前，您想如何计算量表分数？答：您需要使用原始数据。

Q2：多重插补的工作原理是根据数据集中其他变量的值估计缺失值（这是非技术性解释）。因此，是否重新编码变量并不重要，如果重新编码意味着将关系的符号从一个变量更改为其他变量。我仍然建议在插补之前重新编码，以免之后您感到困惑。

Q3：我不知道为什么 AMOS 不计算估算值。我不太了解 AMOS，但用户指南似乎说它应该能够计算多重插补数据集的估计值。但无论如何都有一个一般性的答案：多重插补的全部意义在于您获得点估计，但还包含插补过程引入的额外变化。

这意味着：您不应使用单个“平均”数据集。相反，您使用所有估算的数据集。首先，您通过为每个数据集运行模型（我假设是结构方程模型）并获取点估计的平均值来获得模型参数的点估计，然后通过组合插补间方差（插补数据集之间的参数估计方差）与插补内方差（来自不同模型的估计标准误差的平均值）。请参阅有关多重插补的任何文本。一个简短的免费教程在这里：http ://rhowell.ba.ttu.edu/Enders-MissingHancock.pdf

有一篇很棒的文章比较了 Craig Enders 和同事的项目级和规模级插补（见这里；遗憾的是，需要机构访问）。

基本上，作者得出结论，项目级和量表级插补在量表估计中引入的偏差水平相似，但效率（例如功效）确实不同，量表级插补在力量。