當我們的資料量較小的時候，我們不想直接把缺失值刪掉，而是想通過一定的技術手段將這些資料補全，統計中用到的最多的就是多重插補法。下面我將為大家演示在mplus中如何進行多重插補計算。
工具/原料
mplus 7.0
方法/步驟
多重插補的方法假設在資料隨機缺失的情況下，用兩個或更多能夠反映資料本身概率分佈的值來填補缺失值的方法。一個完整的多重填補法包括三步：資料填補，計算和彙總。資料填補是關鍵一步。
下面是第一步插補的語句
title: this is the 4EF multiple imputation first step;
data: file is ptsdmplus檔案1.txt;
variable: name are ID EF1_1-EF1_8 ;!定義變數名稱
USEVARIABLES= EF1_1-EF1_8 ;！定義需要插補的變數
MISSING=ALL(999);！定義插補的缺失值
CATEGORICAL= EF1_1-EF1_8 ;！定義分類變數（假如是連續變數就不需要進行設定
data imputation:！這一步是生成插補資料
impute= EF1_1-EF1_8(c);！在分類資料後加上（c）
ndatasets=50;！設定插補的次數，預設為5次
save=pstdIMP*.dat;！設定插補後的50個數據集儲存檔名，“*”將被數值替代。
analysis: type=basic;
bseed=79566;
chains=1;
第二步使用第一步插補的資料集估計並輸出彙總結果。
title: this is the MI second step:
data: file is pstdIMPlist.dat;!將上面差生的資料檔名的*號改成list
type=imputation;
variable: name are EF1_1-EF1_8 ;!這個時候是對插補後的資料進行分析，那麼就沒有ID變量了，此處應注意
CATEGORICAL= EF1_1-EF1_8 ;
analysis:estimator=WLSMV;！對於分類的資料我們採用穩健最大二乘法進行估計，假如是連續型的資料，則無需定義，直接預設為ML就行
INFORMATION=OBSERVED;！標準誤基於觀測資訊矩陣；
MODEL:EF1 BY EF1_1-EF1_8*;
EF2 BY EF2_1-EF2_3*;
EF3 BY EF3_3-EF3_5*;
EF4 BY EF4_1-EF4_4*;
OUTPUT: STANDARDIZED;