在MNAR假設条件下，每次对变量的缺失值进行填补过程中将执行如下3个步骤[13]：1)对于每个填补连续性变量，通过全部或部分的完整数据拟合回归模型；2)通过拟合回归模型的后验预测分布模拟新模型；3)基于新模型对变量的缺失值进行填补，可以增加特定的位移参数(Shift Parameters)对填补值进行校正，即y*=y+δ。

    2 实例应用

    基于课题组近期发表在美国《内科年鉴》的“针刺治疗慢性严重功能性便秘的随机对照试验”研究中选取部分数据及部分访视点[6]，说明模式混合模型具体应用及关键参数设定方法。本研究数据集中Group为分组变量，Y0为主要指标完全排净感的自主排便次数的基线值(数值越大说明治疗效果越好)，Y1-Y2为治疗期和随访期完全自主排便不同时间点的测量值。见表1。

    基线数据包括针灸组189例，假电针组189例；完全自主排便次数0.37±0.61。不同访视该指标缺失类型见表2，其中访视Y1、Y2同时缺失的患者11例，其中电针组5例，假针组6例；未缺失数据363(96%)例患者 ......