这是测试随机缺失假设的一种方法。

假设关于参与者收入的问题有一些缺失的条目。运行逻辑回归，收入作为您的响应，其他一切作为预测因素。如果缺少，您的响应将为 1，否则为 0。预测变量的 p 值应该让您了解这个 MAR 假设是否有用。

对所有其他缺少数据的列执行相同的操作。

编辑：这个问题背后有大量文献。我在这里冒着可能误导简化的风险。见第 25 章，

Gelman, A. 和 Hill, J. (2006)。使用回归和多级/分层模型进行数据分析。剑桥大学出版社。

一点术语：

• 完全随机缺失：缺失不依赖于任何观察到或未观察到的变量。
• 随机缺失：缺失不取决于未观察到的变量，但可能取决于观察到的变量。
• 非随机缺失：缺失取决于未观察到的变量（它可能也可能不取决于观察到的变量）。

horaceT 给出的答案显示了一种测试您的数据是否随机丢失的方法，但这里有一个强有力的假设：您必须假设您的数据不是随机丢失的（对不起，双重否定！）。换句话说，您的原假设是“完全随机缺失”，而备择假设是“随机缺失”。

原因很清楚：您无法测试缺失是否取决于未观察到的变量，因为您没有观察/测量它们。这种微妙之处很重要，因为它会影响您解释结果的方式。