处理缺失数据

Handle Missing Data · 🟡进阶 · 所属分类：科研数据与生物统计

随手删掉缺失行或用均值一填，看着省事，其实会引入偏倚、人为缩小方差，审稿时经常被抓。它帮你先诊断数据到底为什么缺，再做合理的多重插补，并配上敏感性分析，让处理经得起推敲。

适合谁

数据有缺失、又想让分析在审稿时站得住的研究生、临床和公卫研究者。

给它什么 · 得到什么

• 你提供：含缺失的整洁数据、变量含义、你对缺失原因的背景判断，以及下游要做的分析
• 你得到：缺失模式诊断、插补方案与多重插补数据集、敏感性分析，以及可复现代码（mice/sklearn）

怎么用

先来一句示例提问：「我的随访数据有些指标缺了两成，帮我先看看是不是随机缺失，再做多重插补并按 Rubin 法则合并结果。」 触发后它会可视化缺失模式与相关性、判别 MCAR/MAR/MNAR 倾向、实施多重插补，再合并结果并做缺失机制的敏感性分析。

提个醒

缺失机制光靠数据本身证明不了，它会要求你声明假设；也不会用单一均值填补冒充完整数据，插补细节都会如实报告。