| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-19页 |
| 1.1 选题背景与研究目的 | 第8-9页 |
| 1.1.1 选题背景 | 第8-9页 |
| 1.1.2 研究目的 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.3 文章组织结构和创新点 | 第13-14页 |
| 1.3.1 文章组织结构 | 第13-14页 |
| 1.3.2 文章创新点 | 第14页 |
| 1.4 文章选题的必要性 | 第14-19页 |
| 1.4.1 调查数据自身的特殊性 | 第14-17页 |
| 1.4.2 数据质量评估的必要性 | 第17-19页 |
| 2 基础理论知识简介 | 第19-25页 |
| 2.1 数据的缺失 | 第19-22页 |
| 2.1.1 缺失现象及原因 | 第19-20页 |
| 2.1.2 过去常用的数据缺失处理方法 | 第20-21页 |
| 2.1.3 常用方法的不足与缺陷 | 第21-22页 |
| 2.2 相关概念解释 | 第22-25页 |
| 2.2.1 分类目标变量 | 第22页 |
| 2.2.2 缺失机制的含义和分类 | 第22-25页 |
| 3 基于马尔可夫链蒙特卡罗（MCMC）算法的随机缺失的单一多重插补研究 | 第25-31页 |
| 3.1 模拟调查数据的生论和离散化处理 | 第25-26页 |
| 3.2 变量的随机缺失处理 | 第26-27页 |
| 3.3 基于Markov Chain Monte Carlo算法的缺失值多重插补 | 第27-29页 |
| 3.4 本章小结 | 第29-31页 |
| 4 基于K均值聚类分析的类内多重插补研究 | 第31-36页 |
| 4.1 基于K均值聚类法的样本细化分类 | 第31-33页 |
| 4.2 类内多重插补的程序代码与结果输出 | 第33-34页 |
| 4.3 类内多重插补与单一多重插补的插补结果比较 | 第34-35页 |
| 4.4 本章小结 | 第35-36页 |
| 5 基于多总体不同分布条件下的模拟数据插补效果分析 | 第36-40页 |
| 5.1 基于独立同分布的模拟数据的插补效果研究 | 第36-38页 |
| 5.2 基于独立不同分布的模拟数据的插补效果研究 | 第38-39页 |
| 5.3 本章小结 | 第39-40页 |
| 6 本文总结与展望 | 第40-41页 |
| 参考文献 | 第41-45页 |
| 附录 | 第45-51页 |
| 后记 | 第51-52页 |
| 攻读硕士学位论间的研究论果 | 第52页 |
