我有一个庞大的蛋白质组学数据集。在行中我有蛋白质，在行中我有样品。数据集包含很多缺失值。我想知道我可以找出缺失值是MAR，MCAR还是MNAR，以及如何确定最佳插补技术。亲切的问候。
首先让我们了解每个部分：
MCAR
完全完全随机丢失-观察值是否缺失不是由观察值决定的（即，损益表中的缺失值与收入的高低无关），并且不能由另一个观察值（即，由于受访者的年龄而不会缺少最喜欢的浏览器的答案）。它确实是随机丢失的。
这里您可以使用最简单的插补方法，或者在可行的情况下删除数据，但是您永远无法证明数据是MCAR。相反，您必须证明它不太可能是MAR或MNAR。
MAR
不是听起来的（随机丢失），它仅表示与观察值随机相关的数据丢失，而不与其他变量相关的随机丢失。
如果缺失值与数据集中的任何其他变量相关联（例如，缺失值的百分比因其他变量而有显着差异），您将识别出此错误。
如果是这种情况，则必须使用更复杂的插补方法，例如MICE或至少分组的中位数/均值插补。
MNAR
MNAR（不是随机丢失）是HARD。它假定丢失的变量中有一个确定的模式，但是与我们可以在数据中观察到的任何特征都不相关。
[可能是因为值本身与缺失值相关（例如，未报告较高的收入），或者缺失值是由我们数据中未包含的另一个功能产生的（例如，随着时间的推移，刻度逐渐磨损，对较小权重的测量越来越少）。
您确实必须找到更多数据来解决此问题。
摘要
除非您是学者，否则举证责任可能很低，因此MAR是一个很好的标准假设，应予以检查。
否则请记住：
MCAR-一切都很好，取消了资产净值或插补
MAR-注意，请使用像MICE这样的高级插补方法
MNAR-您性交，获取新的/更多数据