怎样处理缺失数据（一）：判断缺失的模式和机制-CSDN博客

本文链接：https://blog.csdn.net/YUxuaN0721/article/details/107018700

本文介绍了缺失数据的定义、缺失数据的模式及其重要性，并深入探讨了缺失数据的机制，包括完全随机缺失（MCAR）、随机缺失（MAR）和非随机缺失（MNAR），强调了理解缺失数据机制在数据分析中的关键作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

怎样处理缺失数据？

一、缺失数据的定义

我们首先来看一下缺失数据的定义：

Missing data are unobserved values that would be meaningful for
analysis if observed; in other words, a missing value hides a
meaningful value.

缺失数据是指一些观测后对分析有意义的未观测数据。
例如，当我们在事先调查选举情况时，有三种答案，yes，no和missing。如果这个missing表示的是此人对选举不感兴趣，将会弃权，那这就不是一个我们需要处理的缺失数据，他可以自己算作一个类别。
相反，如果代表的是虽然此人现在没有选择但在选举时会投票，那我们就要把他当作一个需要我们赋值处理的缺失数据来分析。

二、缺失数据的模式

判断数据缺失的模式是十分重要的，因为有些特定的方法只能应用在相应的模式中。

首先，我们定义一个缺失指示矩阵（missingness indicator matrix）M。
$\ M = (m_{ij})=\begin{cases} 1&\text{$y_{ij}$ 缺失时},\\ 0&\text{$y_{ij}$ 没有缺失时}. \end{cases}\$
通常情况下，我们只给 mij 赋值0或1，但如果有需求的时候，我们也可以根据不同缺失原因使其等于2，3等其他值来帮助我们后续的区分和分析。

下面我们开始提出一些针对不同缺失模式的解决方法。

单变量缺失（Univariate Missing Data）
个体无回应缺失（Unit and Item Nonresponse in Surveys）
项目无回应缺失（item nonresponse）
4. 纵向研究中的磨损（Attrition in Longitudinal Studies）
5. 由于两个变量不能同时被同时观测而缺失（The File-Matching Problem, with Two Sets of Variables Never Jointly Observed）
有意隐藏变量无法观测缺失（Patterns with Latent Variables That Are Never Observed）
因为干预无法继续进行而缺失（Missing Data in Clinical Trials treatment discontinuation）
干预中断和分析中断（analysis dropout）是不同的。