使用链式方程进行多重插补¶

MICE模块允许大多数statsmodels模型拟合到包含自变量和/或因变量缺失值的数据集，并提供拟合参数的严格标准误差。其基本思想是将每个具有缺失值的变量视为回归中的因变量，并将其余变量中的一些或全部作为其预测变量。MICE过程依次循环这些模型，依次拟合每个模型，然后使用称为“预测均值匹配”（PMM）的过程从由拟合模型确定的预测分布中生成随机抽取。这些随机抽取成为单个插补数据集的插补值。

默认情况下，每个包含缺失值的变量都使用线性回归模型进行建模，该模型包含数据集中所有其他变量的主效应。请注意，即使插补模型是线性的，PMM过程仍会保留每个变量的定义域。因此，例如，如果某个变量的所有观测值都是正数，则该变量的所有插补值也将始终为正数。用户还可以选择指定用于生成每个变量插补值的模型。

类¶

实现细节¶

在内部，此函数使用 pandas.isnull。 任何从此函数返回 True 的内容都将被视为缺失数据。