處理缺失數據的高級方法
缺失數據的傳統方法和現代方法，主要使用VIM和mice包。使用VIM包提供的哺乳動物睡眠數據（sleep，注意不要將其與基礎安裝中描述葯效的sleep數據集混淆）。數據來源於Allison和Chichetti（1976）的研究，他們研究了62種哺乳動物的睡眠、生態學變量和體質變量間的關系。他們對動物的睡眠需求為什么會隨着物種變化很感興趣。睡眠數據是因變量，生態學變量和體質變量是自變量或預測變量。
睡眠變量包含睡眠中做夢時長（Dream）、不做夢時長（NonD）以及它們的和（Sleep）。體質變量包含體重（BodyWgt，單位為千克）、腦重（BrainWgt，單位為克）、壽命（Span，單位為年）和妊娠期（Gest，單位為天）。生態學變量包含物種被捕食的程度（Pred）、睡眠時的暴露程度（Exp）和面臨的總危險度（Danger）。生態學變量以從1（低）到5（高）的5分制進行測量。
1 處理缺失值的步驟
(1) 識別缺失數據；
(2) 檢查導致數據缺失的原因；
(3) 刪除包含缺失值的實例或用合理的數值代替（插補）缺失值。
缺失數據的分類：
(1) 完全隨機缺失 若某變量的缺失數據與其他任何觀測或未觀測變量都不相關，則數據
為完全隨機缺失（MCAR）
(2) 隨機缺失 若某變量上的缺失數據與其他觀測變量相關，與它自己的未觀測值不相關，
則數據為隨機缺失（MAR）。
(3) 非隨機缺失 若缺失數據不屬於MCAR和MAR，則數據為非隨機缺失（NMAR）。
處理缺失數據的方法有很多，但不能保證都生成一樣的結果。下圖列出了一系列可用來處理不完整數據的方法，以及相應的R包：
2 識別缺失值
R使用NA（不可得）代表缺失值，NaN（不是一個數）代表不可能值。另外，符號Inf和-Inf分別代表正無窮和負無窮。函數is.na()、is.nan()和is.infinite()可分別用來識別缺失值、不可能值和無窮值。每個返回結果都是TRUE或FALSE。 下表給出了一些示例：
is.na()、is.nan()和is.infinite()函數的返回值示例
注：這些函數返回的對象與其自身參數的個數相同。
函數complete.cases()可以用來識別矩陣或數據框中沒有缺失值的行。若每行都包含完整的實例，則返回TRUE的邏輯向量；若每行有一個或多個缺失值，則返回FALSE。
以睡眠數據集為例：
data(sleep, package="VIM")
sleep[complete.cases(sleep),]
結果分析：輸出結果顯示42個實例為完整數據（截圖未完整）。
sleep[!complete.cases(sleep),]
結果分析：輸出結果顯示20個實例含一個或多個缺失值（截圖完整）。
由於邏輯值TRUE和FALSE分別等價於數值1和0，可用sum()和mean()函數來獲取關於缺失數據的有用信息。如：
sum(is.na(sleep$Dream))
mean(is.na(sleep$Dream))
mean(!complete.cases(sleep))
結果分析：結果表明變量Dream有12個缺失值，19%的實例在此變量上有缺失值。另外，數據集中32%的實例包含一個或多個缺失值。
對於識別缺失值，有兩點需要牢記。第一，complete.cases()函數僅將NA和NaN識別為缺失值，無窮值（Inf和-Inf）被當作有效值。第二，必須使用與上述中類似的缺失值函數來識別R數據對象中的缺失值，像myvar == NA這樣的邏輯比較無法實現。