数据缺失是数据分析中的一个基本问题,本文主要关注在因子分析过程中会遇到的两种类型的缺失数据模式,一种是一般缺失数据模式,这种缺失数据模式是指在观测数据矩阵中存在随机缺失;另一种是存在无法观测的潜变量的缺失数据模式。本文借助高校综合能力评价模型对这两种缺失数据模式进行了分析和实践。针对一般缺失数据模式,本文采用的是多重填补法;而针对存在无法观测的潜变量的缺失数掘模式,本文尝试了三种估计参数的方法:主因子法、EM算法、PX-EM算法,EM算法和PX-EM比主因子法得到的前三个因子的累积贡献率高,而PX-EM算法和EM算法结果相同,但是PX-EM算法的收敛速率要比EM算法快。　　能够发表SCI论文的高校是我国高校中较为优秀的群体,代表着我国高校的学术发展方向。高校综合能力反映的是人才培养、硬件建设、学术创新等方面的综合素质,是高校发展的源动力。本文从因子分析模型的角度出发,对我国高校综合能力进行了研究,提高了高校综合能力评价方法的科学性,为各高校发展决策提供了参考,也为高校综合能力评价提供了一种科学的分析方法。　　本文首先研究了国内外有关高校综合能力的评价体系,分析了影响高校综合能力的各项指标,并通过对68所高校的数据进行收集分析,利用因子分析模型,提取了反映高校综合能力的潜在因子,进而对各高校进行综合能力评分排名,并与各高校的SCI论文数进行比较,发现高校SCI论文数与高校综合能力得分呈线性关系,相关性极大。