如果您用某个点估计替换缺失值，您将忽略其所有可变性。因此，您不会将所有原始可变性传播到您的模型。您的参数估计值似乎太低标准错误s。如果您进行推理，您的 p 值将偏低。您的置信区间s 会太窄。如果你做预测，你的预测区间s 会太窄。

总体而言：您对自己的结论过于肯定。

除了斯蒂芬的观点：

• 在您对随机变量的非线性函数感兴趣的几乎所有应用程序中，替换均值通常会引入偏差并可能产生矛盾的结果。粒子的平均速度和平均质量通常与平均动能不一致，因为能量与 V^2 成比例。
• 平均值甚至可能不是随机变量的可能结果。如果我的可能结果是 0“患者死亡”和 1“患者存活”，那么将患者描述为 0.1“大部分死亡但略微存活”的模型可能没有帮助。

一个真实的例子（与你得到的两个答案有关），在金融市场。期权的价格基于资产价格高于（或低于）给定水平的概率。

例如，当资产的期望值为 80 时，以 100 的价格购买资产的期权的价格。如果将随机变量（资产价格）替换为其均值，您将得到零价格（如您永远不会以 100 的价格购买价值 80 的资产）。当您考虑到资产的随机性（这是正确的做法）时，您会得到一个正价格，因为资产价格有可能超过 100。