缺失数据的插补(imputation)方法是当今世界抽样调查研究中的一个重要前沿方向。本文系统地研究了抽样调查中缺失数据的插补方法，重点是单一插补的方差估计与多重插补的简化算法。　　 首先，系统地总结了常用的单一插补方法与相应的方差估计，主要的方差估计方法有Jackknife和Bootstrap方法。对缺失数据，研究了比例Bootstrap方法，在简单随机抽样和均匀回答的假定下，对回归插补和比率插补，证明了比例Bootstrap方差估计具有相合性，并指出在一般情况下，比例Bootstrap的方差估计是不相合的；讨论了辅助变量不完全情形下的插补及其方差估计，包括比率插补与回归插补；讨论了利用回答概率的插补方法，构造了使用回答概率的回归插补，模拟结果表明使用回答概率的回归插补估计及其方差估计具有良好的性质。　　 其次，系统地介绍了多重插补及其简化计算。为简化创建多组插补值的后验的计算，系统地研究了EM算法、数据扩充算法、逆贝叶斯公式、简化的数据扩充算法与计算贝叶斯后验的一些非迭代算法，并提出了计算贝叶斯后验的两种非迭代算法，它们很好地解决了贝叶斯后验的计算问题。　　 最后，从数据的几何结构来研究缺失数据，相应的插补方法称为几何插补。主要研究了Dear的主成分方法、奇异值分解法、迭代的最小二乘插补以及迭代的最小一乘插补。本文给出了后两种插补方法的停止准则，使之进一步完善。