缺失机制分类：MCAR、MAR、MNAR 的定义、区别与业务案例

缺失数据的处理策略高度依赖于缺失机制。Little 和 Rubin 将缺失机制分为三类：完全随机缺失（MCAR）、随机缺失（MAR）和非随机缺失（MNAR）。理解这三类机制是选择插补方法、评估偏差和保证模型有效性的前提。

三类缺失机制的核心定义

三类机制的详细对比

业务案例与场景分析

MCAR 案例：传感器随机故障

某工业设备安装了温度传感器，由于硬件老化，传感器在完全随机的时间点发生故障，导致温度读数缺失。故障发生与当前温度值、设备运行状态均无关。

• 特征：缺失数据是完整数据的一个随机子集。
• 处理：可直接删除缺失样本，或使用均值/中位数插补，不会引入系统性偏差。
• 检验：可使用 Little's MCAR 检验或分组均值比较（如将数据按缺失与否分组，检验其他变量均值是否显著差异）。

MAR 案例：收入调查中的年龄依赖

在一项消费者调研中，年龄较大的受访者更倾向于不填写“年收入”字段。收入缺失的概率依赖于已观测到的“年龄”变量，而与收入本身无关（在控制年龄后）。

• 特征：缺失概率可由观测变量（年龄）预测。
• 处理：使用包含年龄作为协变量的多重插补（MICE）或极大似然估计（FIML），可得到无偏估计。
• 注意：MAR 假设无法从数据中直接验证，需要领域知识支撑。

MNAR 案例：信用评分中的违约隐瞒

在信贷申请数据中，违约风险较高的申请人更倾向于不提供“其他负债”信息。即使控制了收入、职业等观测变量，缺失概率仍然与负债水平本身相关。

• 特征：缺失本身携带信息——缺失值往往对应极端值。
• 处理：需使用选择模型（如 Heckman 两阶段模型）或模式混合模型；简单插补会严重低估风险。
• 敏感性分析：通常需要假设不同的 MNAR 场景，评估估计结果的稳健性。

缺失机制决策流程

缺失机制对特征巡检收益的影响

在特征缺失巡检场景中，不同缺失机制直接影响巡检策略的收益评估：

• MCAR 场景：巡检收益主要来自恢复样本量，提升统计功效。插补带来的信息增益有限。
• MAR 场景：巡检收益显著，因为可通过观测变量有效恢复缺失信息，提升模型预测精度。
• MNAR 场景：巡检收益最高但最难实现。需要设计专门的采集策略或使用复杂模型，否则插补可能引入系统性偏差。