我有一个数据集，用于查看移民申请和签证接受（授予签证）。费率是根据签证申请的“接受”和“拒绝”计算的。
但是，数据集也包含已关闭案例的值。通常这是移民停止赴约、移居其他地方或死亡的时间。因为在计算费率时不使用这些数字，所以费率经常显示为缺失（因为案例既没有被接受也没有被拒绝）。
话虽如此，如果那一年的唯一案例“否则关闭”，是否可以放弃这些观察？我遇到的部分问题是数据集中的随机年份将被删除，因为那一年的唯一决定已关闭。
否则关闭的案例非常武断，正如我所提到的，很可能是移民迁移到其他地方的案例，并且可能只是将第一个国家用作临时过境地。数据并没有具体说明移民离开的原因，他们被关闭的原因等。我不太确定如何处理这些缺失值。由于费率计算，我不相信标准的插补方法在这里会起作用（但我可能是错的）。
在您的情况下，重要的区别不是 MCAR、MAR 和 NMAR 之间的区别，而是实际缺失值和机械缺失值之间的区别。真正的缺失值是存在的值，但由于某种原因未记录。机械缺失值不存在，但数据集的矩形结构迫使我们给它一个值，例如，如果您的数据集还包括男性，则为怀孕状态。插补技术是为真实的缺失值而设计的。您的示例是机械缺失值的情况；尚未做出决定，因此其价值不存在。如果很大一部分移民继续前进，那么这就是移民过程的一个重要特征，而对这些价值观的估算隐藏了这一特征。
很明显，至少有 2 个不同的缺失过程混合在一起。
如何处理 MNAR 很困难。假设这样的案例没有成功可能有点极端（或者非常合适，毕竟他们没有成功）。或者在 MAR 下进行估算，并着眼于使这些案例不太成功，直到您达到 0% 并考虑该值范围。