缺失数据的多重插补（MI）方法有效性评估.docxVIP

缺失数据的多重插补（MI）方法有效性评估

一、引言

在实证研究中，数据缺失是普遍存在的问题。无论是医学临床试验中患者中途退出、社会调查中部分问卷漏填，还是经济统计中关键指标未上报，缺失数据都会对分析结果的准确性和结论的可靠性产生显著影响。传统的处理方法如列表删除（ListwiseDeletion）会导致样本量减少和信息丢失，而简单的均值插补（MeanImputation）则会低估数据变异程度，降低统计检验效能。在此背景下，多重插补（MultipleImputation,MI）作为一种更先进的缺失数据处理技术，逐渐成为学术界的主流选择（Rubin,1987）。

MI方法通过生成多个完整