由於時代的急速變遷，人們所面臨的問題日趨複雜。在有限的人力與財力限制之下， 欲對目標母體（TARGET POPULATION ），作一詳細的調查與研究通 常是不可能的， 因此如何藉由抽樣方法從母體中抽取具有代表性的樣本是重要的。在抽樣調查的過程 中我們常常發現樣本回收率沒有原來預期的高，若我們只用回收的樣本去做資料分析 ，常常使我們做成的結果是偏誤（BIASED）。本文的目的即在針對此一問題，做一深 入的研究探討。 抽樣調查中無觀測值（NONOBSERVATION）通常有三種情況發生： （１）未包括的範圍（NONCOVERAGE ），（２）未回收（TOTAL NONRESPONSE ）（３ ）回答不完全（ITEM NONRESPONSE）。吾人針對回答不完全。使用插補法（IMPUTATI O ）予以研究，即是對於缺失資料的項目依據種插補法給定一些值，使回收的資料具 完整性，以利資料的分析利用。 在日常生活中經常會遇到斤欲研究變數Y 與其另一輔助變數X 有某種線性關係存在。 例如農作物產量與種植面積、家庭收入與家庭支出、１９８０年全市人口總數與１９ ７０年全市人口總數等。為方便研究起見，首先假設一簡單的線性迴歸模式： y I ＝ β × I＋εI εI ∼ i.i.d.Ｎ（O.σ□） 在上式中，若（XI，yI） i＝1，2，……n 為一完整的資料集，即n 個隨機樣本（X I，yI ）皆無缺失值，則β與σ□的最小平方估計式可以很快求出，現在假設y 值有 部份缺失值，則必須想辨法把缺失的 值補齊，才能進一步研究β與σ□的性質，本 文即針對下列六種插補法。（a ）平均插補法（MO）、（b ）隨機插補法（RO）、（ C ）分層平均 插補法（MC）、（d ）分層隨機插補法（RC）、（e ）簡單迴歸插補法（RG）及（f ）隨機迴歸插補法（RRS，RRN），根據所建立的模式，運用各種不同的插補法將缺失 值予以補齊後，對模式結果作理論的探討，並對各種插補法作綜合分析比較。 最後利用其理論結果，配合１９８６年美國零售交易普查資料作實證研究，並分析其 實結果。