在缺失数据处理中，**冷卡替代（Hot Deck Imputation）**是使插补估计量成为总体参数无偏估计的插补方法。以下是对各选项的详细分析： 1. **冷卡替代**： 在“取决于协变量缺失”机制（如MAR，随机缺失）下，若辅助变量与目标变量高度相关，且缺失单元与回答单元在层内同质，冷卡替代通过用同层中相似单元的观测值填充缺失值，可保证插补后估计量的期望等于总体均值，即无偏。例如，当用协变量分层后，层内缺失单元的期望均值与回答单元一致时，冷卡替代的估计量是无偏的。 2. **随机热卡插补**： 通过随机选择同层中的回答单元值填充缺失值，虽能减少偏差，但随机性可能导致插补值偏离真实值，无法保证无偏性。其估计量通常是有偏的。 3. **单一均值插补**： 用总体均值填充所有缺失值，严重扭曲变量分布，导致方差低估，估计量偏差显著，非无偏估计。 4. **分层均值插补**： 在层内用均值填充缺失值，虽优于单一均值插补，但可能低估层内方差，导致总体方差和协方差低估，影响估计量准确性。仅在特定条件下（如层内缺失与回答单元同质）可能接近无偏，但一般不保证。
