多重填补（Multiple imputation;MI），医学-现代医学-预防医学领域-卫生统计学-卫生统计方法-统计计算学-缺失值填充，用两个或更多可得到并且能反映数据本身分布概率的值，填补缺失或不完善数据的方法。MI由D.B.鲁宾（Donald Bruce Rubin，1938～ ）于1987年提出。MI沿袭了过去一些简单填补法的优点，而摒弃了其主要缺憾，使得被填补的缺失数据能够接近“真实”，已成为处理缺失值的最常用方法之一。对MI的广泛应用表明，该方法是一种非常有实用价值的工具。MI的基本思想来源于贝叶斯估计，认为待插补的值是随机的，它的值来自于已观测到的值。具体实践上通常是估计出待插补的值，然后再加上不同的噪声，形成多组可选插补值。根据某种选择依据，选取最合适的插补值。该方法将空缺值视为随机样本，这样计算出来的统计推断可能受到空缺值的不确定性的影响。该方法的计算也很复杂。多重插补方法分为三个步骤：①为每个空值产生一套可能的插补值，这些值反映了无响应模型的不确定性；每个值都可以被用来插补数据集中的缺失值，产生若干个完整数据集合。