数据缺失问题在实验研究过程中是普遍存在的问题.多协变量存在缺失数据的情况时常出现.如果仅仅忽略存在不完整信息的样本,可能会造成大量的信息丢失,甚至造成偏差.具有非单调缺失模式随机缺失机制性质的数据是最常见的数据缺失类型.本文针对非单调缺失模式随机缺失机制的数据,主要研究半参数方法对缺失数据的处理问题,将半参数方法与包括完全案例分析法、均值插补法、多重插补法、EM算法以及BP神经网络法在内的常见缺失数据处理方法进行比较,比较其包括偏差、标准误差和覆盖率在内的性能,并在缺失数据处理后的基础上进行回判,得到不同方法在不同缺失率下的准确率.本文主要的工作内容和结果如下:首先,选取两组完全数据集,鸢尾花数据和乳腺癌临床医学数据,分别设定含有缺失数据的协变量数量为2和3,模拟非单调缺失模式随机缺失机制下缺失率为3%、5%、10%、20%、30%和40%的情况,分别在不同缺失率下运用完全案例分析法、均值插补法、多重插补法、EM算法、BP神经网络法和半参数方法处理缺失数据.然后,选择一组不完全的脂肪肝临床医学数据集.模拟与该不完全数据集相似的数据,分别采用完全案例分析法、均值插补法、多重插补法、EM算法、BP神经网络法和半参数方法进行处理,比较各种方法处理后得到的性能和回判准确率值,选取性能较好准确率较高的半参数方法和BP神经网络法以及医学研究中最常用的完全案例分析法,应用于实际脂肪肝临床医学数据中进行对比.模拟实验证明,当缺失率较低时,用完全案例分析方法处理缺失数据效果稍好;随着缺失率的上升,完全案例分析法、均值插补法和多重插补法的准确率下降较快;EM算法的稳定性稍优于前三种方法;BP神经网络方法在缺失率为20%-30%时优于其他几种方法;半参数方法受缺失率的上升影响最小.实际应用于不完全的脂肪肝临床医学数据上,完全案例分析法的准确率最低为69.7905%,半参数方法和BP神经网络方法处理缺失数据后的准确率较高一些,分别为75.9283%和79.9436%.