可生成数据表类型（推荐）
 | |
| 节点状态 | PC可用
在 V1.0部署
|
|---|---|
多重插补  | |
| 节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
| 节点英文名 | 多重插补 |
| 功能主类别 | 数据分析 |
| 英文缩写 | Mtp_Itpl |
| 功能亚类别 | 综合分析 |
| 节点类型 | 数据挖掘 |
| 开发语言 | R |
| 节点简介 | |
利用蒙特卡洛模拟法（MCMC)将原始数据插补成几个完整数据集，在每个数据集中利用线性回归（lm)或广义线性规格（glm)等方法进行插补建模，再将这些完整的模型整合到一起，评价插补模型的优劣并返回完整数据集。该方法主要利用程辑包mice中的mice函数进行。 用途：不仅仅估计一个可能的值来填补缺失数据，而是创建多个不同的完整数据集，每个数据集中的缺失值都被可能的值替代。 参数：选择多个需要插补的变量，和多个参加插补的变量 | |
| 端口数量与逻辑控制(PC) | |
| Input-入口 | 4个 |
| Output-出口 | 2个 |
| Loop-支持循环 | 是 |
| If/Switch-支持逻辑判断 | 否 |
| 输入输出 | |
| 相关节点 | |
| 上一节点 | 碎石检验 |
| 下一节点 | 倾向性评分匹配 |
查找其他类别的节点，请参考以下列表
列表
数据处理节点
数据输入
变量处理
行列处理
矩阵处理
表格处理
列表
数据分析节点
描述性统计
统计检验
方差分析
相关分析
回归分析
Lasso回归 二项式Lasso回归 泊松Lasso回归 生存状态Lasso回归 高斯PLS回归Ridge回归 二项式Ridge回归 泊松Ridge回归 生存状态Ridge回归 高斯分位回归多分类逻辑回归多项式回归广义估计方程 伽玛广义估计方程 泊松广义估计方程 负二项广义估计方程 逻辑广义估计方程 高斯广义相加模型 伽玛广义相加模型 泊松广义相加模型 负二项广义相加模型 逻辑广义相加模型 高斯广义相加混合模型 伽玛广义相加混合模型 泊松广义相加混合模型 负二项广义相加混合模型 逻辑广义相加混合模型 高斯广义线性回归 伽玛广义线性回归 泊松广义线性回归 负二项广义线性回归 逆概率加权联合标准差稳健线性回归线性回归逐步回归逻辑回归
时序分析
潜变量分析
生存分析
多元分析
综合分析
列表
机器学习节点
列表
AI和神经网络
环境检测
