吾人在抽樣調查訪問中, 經常會遇到資料缺失的情形。一般分析者常僅用有反應的部 分資料, 或使用各種不同的插補法先將資料補齊之后( 若資料分析者具有此統計專業 知識的話 )來進行分析, 因此可能造成使用相同的估計式(estimator) 卻獲得不一致 的結果。 在本文之中, 吾人討論: 當母體里的兩個變數, 具有簡單線性回歸之關系時, 其中一 個變數有缺失值, 并且資料的缺失是隨機散失的情形下, 今以七種不同之插補法( 平 均插補法(MO), 隨機插補法(RI), 分層平均插補法(MC), 分層隨機插補法(RC), 簡單 回歸插補法(RG), 隨機回歸插補法(RRS及RRN)) 將資料補齊后, 對於吾人所熟悉之一 些統計量( 例如:E(β ),E(β ),E(σ ),Var(β ),… 等),會有什么影響。同時也討 論了比較這些插補法之優劣的一些依據。最后我們利用其理論結果, 配合1986年美國 零售交易普查資料作實證分析, 并且以電腦來模擬資料缺失的情形, 使用插補法補齊 資料后予以分析研究, 比較其與理論結果之差異。 本文共分五部分, 其架構如下: 第一章 緒論, 說明研究動機與目的, 并回顧以往文獻在插補法之探討。 第二章 各種插補法及相關符號之簡介與定義。 第三章 各種插補方法之綜合比較。 第四章 實證分析。 第五章 緒論。