缺失数据情境下广义线性模型的经验似然推断：理论、方法与实践

一、引言

1.1研究背景与动机

在当今数字化时代，数据已成为推动各领域发展与研究的关键要素。无论是在医学研究、社会科学调查，还是金融市场分析、工业生产监测等众多领域，数据的收集与分析都发挥着不可或缺的作用。然而，在实际的数据采集过程中，缺失数据的问题却极为普遍，几乎难以避免。例如在医学临床试验里，部分患者可能因各种突发状况未能完成全部的检测项目，从而导致相关数据缺失；在社会科学调研中，受访者可能由于对某些问题较为敏感而拒绝回答，使得这部分数据出现空缺；在工业生产的传感器监测数据里，设备的短暂故障或者传输问题也可能造成数据的遗漏。据相