M4-020Hard偏差与因果 · Bias & causality

缺失数据的三种机制是什么?分别该怎么处理?

What are the three missing-data mechanisms and how do you handle each?
💡 考场高分一句话答案:

MCAR(完全随机)、MAR(条件于观测变量随机)、MNAR(依赖未观测值);MCAR 可删,MAR 可插补,MNAR 需建模或敏感性分析。

MCAR (completely at random), MAR (random given observed variables) and MNAR (depending on unobserved values). Delete for MCAR, impute for MAR, model or bound for MNAR.

📌 核心考察要点 (Key Points)

  • MCAR:缺失与任何变量无关 → 完整案例分析无偏(但损失功效)
  • MAR:缺失依赖于已观测变量 → 多重插补 / IPW 可校正
  • MNAR:缺失依赖于未观测的值本身(如不满意的人不填问卷)→ 需选择模型或敏感性分析
  • 产品实例:崩溃用户不上报日志 → MNAR;这会让留存看起来更好
  • MCAR: complete-case analysis is unbiased but loses power
  • MAR: multiple imputation or inverse probability weighting corrects it
  • MNAR: needs a selection model or a sensitivity analysis, because the missingness depends on the value itself
  • Product example: crashed users not reporting logs is MNAR, which makes retention look better than it is

⚖️ 业务权衡与取舍 (Trade-offs & Calibration)

MNAR 是产品数据里最常见的形态,也是最难处理的。实用做法是边界分析:假设缺失样本在最好/最坏情况下的取值,给出结论的区间。如果区间跨越决策阈值,说明结论不稳健,需要补数据。

⚠️ 常见高频面试陷阱与避坑指南

  • 直接删除缺失样本,不检查机制
  • 用均值插补处理 MNAR,系统性低估方差与偏差

🔍 大厂面试官连环追问 (Follow-ups)

  • 如何检验 MCAR?
  • 多重插补的基本步骤是什么?

嫌字多看太累?进入苏格拉底式对话推演实验室

零打字负担,以大厂考官真实困境切入,通过点选直觉选项暴露思维盲区,手把手推导 Why。

💬 开启对话式破冰 ➔
⚡
Test muscle memory on this topic via 3-Layer Flashcards
Active Recall: Mentally formulate Prompt ➔ Math Derivation ➔ Benchmark Implementation in 3 minutes.
🎯 Drill This Card Now➔