缺失值与零值

更新：2026-10-13；状态：可用；验证范围：文档核对；操作需按所用环境验证。

零值是已记录的数值，缺失表示没有可用观测；把二者混用会改变统计问题。

一个例子

某个基因在计数表中为 0，可能表示这次测量没有分配到读段；某个代谢特征为 NA，可能是检测、处理或匹配失败。两者都不自动证明样本中完全不存在该分子。

怎样检查

统计每个样本和每个特征的缺失比例，观察是否与分组、批次或低强度有关。保留缺失原因，区分未测量、检测限以下和文件交接错误。

填补引入假设，不能默认都填 0 或统一用最小值。若缺失与丰度有关，简单随机缺失模型可能不适合；比较不同合理策略时报告结论敏感性。

流程见蛋白质组入门与实践和代谢组入门与实践。工具的输入约定可查 MetaboAnalyst 格式说明。

缺失机制与统计解释

MCAR指缺失与已观测/未观测相关数据无关；MAR允许缺失依赖已观测信息，在给定这些信息后不再依赖缺失值；MNAR还涉及未观测值本身。仅凭已观测数据通常不能完整判定机制，不能因为软件默认支持NA就认为缺失可忽略。

低于检测限、样本失败和真实零是不同现象。填0会改变均值、相关和组间差异；按组标签选择填补策略又可能引入偏差。真实组学应保留缺失来源，检查组间缺失模式，并做与模型相容的敏感性分析。

预测任务的填补参数在训练范围拟合，测试只应用，见数据泄漏与交叉验证。强度和未检出解释见蛋白质组与代谢组验证设计；统计设计见统计方法选择与分析计划。

缺失机制原始来源：Rubin, Inference and missing data。