{"url":"https://nsams.org/library/concepts/missing-values-zero-difference","article":{"slug":"missing-values-zero-difference","category":"concepts","keyword":"缺失值与零值","title":"缺失值与零值：为什么空白不能随手填成0","description":"围绕「缺失值与零值」，零值表示指标已经被测量或确认，结果恰好为零；缺失则表示当前没有获得可用结果。比赛未开始时没有最终比分，不等于已经确认全场0比0。两者若在数据库中混用，均值、胜率和完场判断都可能受到影响。数据字段应允许表达未知，并由状态或","keywords":["缺失值与零值","缺失值能填零吗","空值和零的区别","未知比分如何处理","缺失数据统计口径"],"aliases":["缺失值能填零吗","空值和零的区别","未知比分如何处理","缺失数据统计口径"],"status":"published","content_date":"2026-11-15","summary":"零值表示指标已经被测量或确认，结果恰好为零；缺失则表示当前没有获得可用结果。比赛未开始时没有最终比分，不等于已经确认全场0比0。两者若在数据库中混用，均值、胜率和完场判断都可能受到影响。数据字段应允许表达未知，并由状态或说明补充原因。界面可以显示横线或未开始，但不能为了让表格整齐就把未知事实写成数字零。","sections":[{"heading":"零是一条有含义的观察","paragraphs":["关于「缺失值与零值」，下文从「零是一条有含义的观察」与「用平均数看出误填零的后果」展开说明，并结合后续章节梳理相关概念。","零值表示指标已经被测量或确认，结果恰好为零；缺失则表示当前没有获得可用结果。比赛未开始时没有最终比分，不等于已经确认全场0比0。两者若在数据库中混用，均值、胜率和完场判断都可能受到影响。数据字段应允许表达未知，并由状态或说明补充原因。界面可以显示横线或未开始，但不能为了让表格整齐就把未知事实写成数字零。"]},{"heading":"用平均数看出误填零的后果","paragraphs":["五次预期测量中，已知四次为10、10、10、10，另一次未知。若只描述已观察的四次，平均为10，同时应报告缺失一次；把未知补为0再平均则变为8。哪一个更符合研究目的，需要看缺失机制与分析规则，不能由软件默认值决定。更不能在缺失集中于高负载时段时，简单忽略后仍声称结果代表所有请求。透明报告缺失规模是第一步。"]},{"heading":"区分没有记录与不适用","paragraphs":["某项指标可能因为接口失败而缺失，也可能根本不适用于当前对象。例如未采用角球概念的运动项目不应被统一写成角球0。将缺失、不适用、尚未发生与已确认零分开，能让后续清洗少走弯路。字段设计中可以保留数值列和原因状态列，不必用一串特殊数字承担所有含义。跨来源合并时，也要了解每个平台空字符串和null分别表示什么。"]},{"heading":"补值需要理由和标记","paragraphs":["在某些分析中会用模型、相邻时点或其他规则估计缺失，但估计值不是重新发现的事实。必须保存补值标记、方法和原始缺失状态，避免前端把它当成权威实测。连续缺失和孤立缺失可能需要不同处理，不能盲目复制上一条。实时赛事展示尤其不宜为填齐字段推算比分；可以优先查询可靠补充来源，仍查不到则明确显示未知。"]},{"heading":"把完整率与分析结果一起展示","paragraphs":["除了计算主指标，还可以报告有效记录数、缺失记录数和时间范围。比较两个来源时，字段齐全不必然意味着更准确，来源可能用了默认值掩盖缺失。检查缺失是否集中在某类比赛、某个时段或某种设备，有助于识别系统性偏差。任何整理流程都应能够从清洗后记录追溯到原始来源，让他人知道一个零是经过确认的结果，还是程序曾经替你做出的假设。"]}],"sources":[{"name":"统计方法参考资料"}],"related":["arithmetic-mean-example","median-sorted-data","weighted-mean-denominators"]},"published_at":"2026-11-16T08:34:19+08:00","modified_at":"2026-11-16T08:34:19+08:00","content_hash":"d3e2028194f30c7fd5a891fb4144fc424ce53e810e741209ee6ab21d3b41e835"}