原書分析案例 10.2，以 SFO 機場調查的五個服務評分建立多變量迴歸，預測整體評分 Q7ALL。
管理者希望用飲食、商店、指標、螢幕與無線網路等服務評分，預測旅客的整體機場滿意度。
| 資料檔 | 應變數 | 自變數 | 需排除代碼 |
|---|---|---|---|
2016_SFO_Customer_Survey_Data.xlsx |
Q7ALL |
Q7FOOD、Q7STORE、Q7SIGN、Q7SCREENS、Q7WIFI |
任一欄出現 0 或 6 |
先在 Excel 或 R 排除任一指定欄位含 0 或 6 的資料列，再建立多變量迴歸。原書要求清理後應保留超過原始資料列的 50%，以免模型建立在過小樣本上。
| 檢查項目 | 原書要求／結果 |
|---|---|
| 特殊代碼 | 0 與 6 不作為顧客實際評分輸入模型 |
| 清理後資料量 | 應保留超過原始資料列的 50% |
| 模型 | 以五個 Q7 子項分數預測 Q7ALL |
| 數值係數 | 原書文字層未逐項列出，應以原書迴歸輸出為準 |
這個案例首先是資料品質問題，其次才是迴歸問題。若把 0／6 當成實際滿意度分數，模型係數會被錯誤代碼污染；但若刪除過多資料，也會造成樣本選擇偏誤。模型可用來找出哪些服務項目與整體滿意度關係較強，但不能直接證明改善該服務一定造成整體滿意度提升。
以下是 Excel 已完成的多變量迴歸輸出，應變數為 Q7ALL，自變數為 Q7FOOD、Q7STORE、Q7SIGN、Q7SCREENS、Q7WIFI；0 與 6 已排除。請依係數、p 值與決定係數整理最重要的服務項目與模型限制，不要重新估算數值。
**問題：**如果清理 0／6 後只剩 30% 資料列，是否仍應直接使用同一模型？