通过NMAR生成缺失值的过程

NMAR生成缺失值的过程：

Aj <- c(48,75,83,58,83,32,45,50,86)

AjNMAR的意思是“不随机丢失”，因此它意味着丢失的数据有一种模式。NMAR没有指定该模式是什么，只是有一个

这对数据分析来说是一个挑战，因为这意味着缺失数据的分布与完整数据的分布不同，因此根据观察值（例如，通过插补中间值）插补缺失值是危险的

即使是一个复杂的缺失数据插补包，如mice（在上面的评论中提到）也被设计用于插补MAR（随机缺失）或MCAR（完全随机缺失）的数据

要模拟NMAR数据，只需为丢失的数据指定一个分布，该分布与示例中用于生成数据的分布不同。有无数种方法可以做到这一点

如果我正确理解您的描述，您希望使5-10%的值低于或高于您的中值缺失。这一行代码在中位数以上的任何值上都有5%的可能性：

Aj[Aj > median(Aj)] = ifelse(sample(c(T, F), length(Aj[Aj > median(Aj)]), replace=T, prob=c(0.05, 0.95)), NA, Aj[Aj > median(Aj)])

这行代码将获取中值以上的Aj值，然后ifelse（）使用一个样本选择第一个选项（可能性为5%的T）或第二个选项（可能性为95%的F）。如果为T，则该值替换为NA。如果F，则保留原始值。
NMAR表示“不随机丢失”，因此它表示丢失的数据有一种模式。NMAR没有指定该模式是什么，只是有一个

这对数据分析来说是一个挑战，因为这意味着缺失数据的分布与完整数据的分布不同，因此根据观察值（例如，通过插补中间值）插补缺失值是危险的

即使是一个复杂的缺失数据插补包，如mice（在上面的评论中提到）也被设计用于插补MAR（随机缺失）或MCAR（完全随机缺失）的数据

要模拟NMAR数据，只需为丢失的数据指定一个分布，该分布与示例中用于生成数据的分布不同。有无数种方法可以做到这一点

如果我正确理解您的描述，您希望使5-10%的值低于或高于您的中值缺失。这一行代码在中位数以上的任何值上都有5%的可能性：

Aj[Aj > median(Aj)] = ifelse(sample(c(T, F), length(Aj[Aj > median(Aj)]), replace=T, prob=c(0.05, 0.95)), NA, Aj[Aj > median(Aj)])

这行代码将获取中值以上的Aj值，然后ifelse（）使用一个样本选择第一个选项（可能性为5%的T）或第二个选项（可能性为95%的F）。如果为T，则该值替换为NA。如果为F，则保留原始值。
查看以下文章：查看以下文章：