我在一个人的样本中重复测量了 2 个时间点。第 1 时间有 18k 人，第 2 时间有 13k 人（5000 人失访）。
我想在时间 1 测量的一组预测变量 X 上回归在时间 2 测量的结果 Y（并且无法在时间 1 测量结果）。所有变量都有一些缺失的数据。其中大部分看起来相对随机，或者观察数据似乎很好地描述了缺失。然而，结果 Y 中的绝大多数缺失是由于后续行动的损失。我将使用多重插补 (R::mice)，并将使用完整的数据集来插补 X 的值，但我收到了 2 条关于 Y 插补的相互矛盾的建议：
1) 在 18k 的完整样本中，根据 X 和 V（V = 有用的辅助变量）估算 Y。
2) 不要将 Y 归因于失访的个体（从而将其从任何后续回归模型中剔除）。
前者是有道理的，因为信息就是信息，为什么不全部使用呢？但后者也有道理，以更直观的方式 - 根据 Y ~ X + V 估算 5000 人的结果似乎是错误的，然后转身估计 Y ~ X。
哪个（更）正确？
这个先前的问题很有用，但并没有直接解决由于失访而导致的缺失（尽管答案可能是相同的；我不知道）。