你没有错。

来自：缺失数据的统计分析，第二版，Roderick JA Little 和 Donald B Rubin，John Wiley and Sons，2002 年。第 41 页：

完整案例分析将注意力集中在所有变量都存在的案例上。这种方法的优点是...... 缺点源于丢弃不完整案例时可能丢失信息。这种信息丢失有两个方面：精度损失，以及缺失数据机制不是 MCAR 时的偏差，并且完整案例不是所有案例的随机样本”。

来自：多重插补的偏差和效率与缺失协变量值的完整案例分析相比。伊恩 R.怀特和约翰 B. 卡林。医学统计学，第 29 卷，第 28 期，2010

特别是，虽然 MI 的偏差可以忽略不计，CC 在 MAR 机制下有偏差，但在其他机制下，CC 的偏差可以忽略不计，而 MI 有偏差。这一点被广泛误解，但它具有重要意义。 http://onlinelibrary.wiley.com/doi/10.1002/sim.3944/pdf

一般来说，当数据不是 MCAR 时，完整的案例分析是有偏差的。然而，当分析包括拟合回归模型时，完整案例分析在较弱的条件下是无偏的，即缺失独立于结果变量，以协变量为条件。根据哪些变量包含缺失值，这种情况有时对应于 MAR 机制，有时对应于 MNAR 机制。

例如，假设结果 Y 是具有缺失值的变量。然后，缺失独立于以协变量为条件的结果对应于 MAR 假设，即缺失概率独立于以完全观察变量为条件的部分观察变量。或者，假设协变量 X 中的缺失取决于该协变量的值，因此数据是 MNAR。如果 X 中的缺失与 Y 无关，以 X 和分析模型中的其他协变量为条件，则完整的案例分析是无偏的。

有关这方面的更多信息，请参阅：

1) White 和 Carlin 在之前的回答中引用的论文：与缺失协变量值的完整案例分析相比，多重插补的偏差和效率。伊恩 R.怀特和约翰 B. 卡林。医学统计学，第 29 卷，第 28 期，2010

2）我和同事在Biostatistics发表的一篇论文：http: //doi.org/10.1093/biostatistics/kxu023

3）我之前在这里写过的一篇博文：http: //thestatsgeek.com/2013/07/06/when-is-complete-case-analysis-unbiased/