多重插补 (Multiple Imputation, MI)

概述

多重插补是一种处理缺失数据的统计技术。与单一插补（如直接用均值填充）不同，MI 通过为每个缺失值生成 $m$ 个不同的合理估计值，从而创建 $m$ 个完整的数据集。

核心原理

1. 插补 (Imputation)：基于观测数据的分布特征，利用随机性为缺失值生成 $m$ 组不同的填充值。这反映了缺失值的不确定性。
2. 分析 (Analysis)：对这 $m$ 个完整的数据集分别进行相同的统计分析（如回归分析、均值计算）。
3. 汇总 (Pooling)：使用 Rubin 规则将 $m$ 次分析的结果合并。最终结果不仅包含点估计，还包含了由缺失数据引起的额外变异性（标准误会增大）。

优势

• 保留不确定性：避免了单一插补导致的标准误低估问题。
• 无偏估计：在缺失机制为随机缺失 (MAR) 时，能提供渐近无偏的参数估计。
• 灵活性：适用于各种统计模型和数据类型。

适用场景

• 临床试验数据缺失
• 社会调查中的问卷漏填
• 任何需要严谨推断且存在缺失值的定量分析场景

结果展示说明

本模块无需图片，以下是输入与输出的文字描述逻辑：

1. 输入描述

用户运行 main.do (Java 程序) 时，程序内部硬编码或通过配置文件接收以下输入：

• 原始数据集：一个包含数值和空值 (null) 的一维列表。例如：[10.0, 12.0, null, 15.0, ...]。
• 插补次数 (m)：一个整数，表示生成的完整数据集数量。例如：5。
• 随机种子 (可选)：用于控制随机数生成器，确保结果可复现。

2. 处理过程 (后台逻辑)

程序执行以下步骤：

1. 扫描原始数据，识别缺失位置。
2. 计算现有数据的均值和标准差。
3. 循环 m 次：
   • 复制原始数据。
   • 对每个缺失位置，填入 均值 + 随机噪声。
   • 保存该次生成的完整数据集。
4. 对 m 个数据集的对应位置求平均，得到最终估算值。

3. 输出描述

控制台将按顺序输出以下文本内容：

A. 初始状态确认

• 显示原始输入的列表内容，明确标出哪些位置是 null。
• 显示设定的插补次数 $m$。

B. 中间过程展示 (m 个数据集)

• 依次打印 插补数据集 #1 到 插补数据集 #m。
• 特征：原本为 null 的位置现在变成了具体的数值。由于引入了随机噪声，这 $m$ 个数据集中，同一位置的填充数值是不完全相同的（例如：第 3 个位置在数据集#1 中是 13.2，在数据集#2 中可能是 14.1）。

C. 最终汇总结果 (Pooled Results)

• 输出 最终估算数据 列表。
• 特征：
  • 原有非缺失数据保持不变。
  • 原有缺失数据的位置，显示为 $m$ 次插补值的算术平均数。
  • 提示标准误 (Standard Error) 已根据 Rubin 规则调整，反映了插补带来的不确定性。

示例输出片段

原始数据：[10.0, 12.0, null, 15.0]
插补数据集 #1: [10.0, 12.0, 13.5, 15.0]
插补数据集 #2: [10.0, 12.0, 12.8, 15.0]
...
最终估算数据：[10.0, 12.0, 13.15, 15.0] (其中 13.15 为多次插补的平均)