缺失值经常在下列一些情况出现：

从多个数据源中合并数据

交通事故等问题的调查研究中，

问题以下是一些例子：

在一项消费者经济状况调查中，

的受访者没有回答收入情况；

的人没有回答收入情况

高收入者的回答率比中等

在严重交通事故报告中，

诸如是否使用安全带和酒精浓度等关键问题在很多

缺失值会表现为以下问题：

有缺失值的个案系统地不同于完整的个案；

有缺失值的个案表明信息不完整；

标准统计方法只接受完整数据

偏向：分析结果可能会有偏差；

无效：较少的有效个案导致估计精度下降；

某些情况下，诸如均值置换和列表删除等大量可用逼近方法可能过于天真

统计学家研究出一个缺失值逼近方法，

必须有数据模型和缺失值机制模型。数据模型可能是数据为

多变量正态缺失值机淛模型可能是数据完全随机缺失

假设您在研究年龄和收入。

如果缺失和年龄或收入数值

是否为站得住脚的假设您可以

用比较回答者和未囙答者的分布来评估观察数据。也可以使用单变量

多变量检验来进行更正规的评估如果