1，均值插值。數據的屬性分為定距型和非定距型。如果缺失值屬於固定距離類型，則缺失值將通過屬性現有值的平均值進行插值。如果缺失值為非定距，則根據統計學中的眾數原則，用屬性的眾數(即出現頻率最高的值)來補充缺失值。
2.使用類似的均值插值。同樣的均值插值方法也屬於單值插值，但不同的是，它使用層次聚類模型來預測缺失變量的類型，然後用該類型的均值進行插值。假設X=(X1，XXp)是具有完全信息的變量，Y是具有缺失值的變量，首先對X或其子集進行聚類，然後根據缺失案例的類別對不同類別的平均值進行插值。如果引入的解釋變量和Y需要在以後的統計分析中進行分析，這種插值方法會在模型中引入自相關，對分析造成障礙。
3.最大似然估計。在缺失類型為隨機的條件下，假設模型對完全樣本是正確的，未知參數可以通過觀測數據的邊際分布來估計。這種方法也稱為忽略缺失值的最大似然估計，常用於最大似然參數估計的計算。