I类错误，也称为假阳性错误，就是说实际上总体并无差异，原假设H0是成立的，但是通过假设检验P≤α，在设定α的检验水准下，拒绝了H0，认为有差异，出现了假阳性的现象。前面提到的检验水准α，就是预先设定允许犯I类错误概率的最大值，此时犯I类错误

缺失的数据不仅影响统计学把握度，而且也会给数据分析带来不可忽视的偏倚，甚至影响到结论的稳定性。对于缺失值的存在无法视而不见，合理的填补缺失值可以提高数据的利用效率。

选择的样本人群不能代表总体，导致样本推断总体时出现偏差。我们把这种情况称为研究中的选择偏倚。选择偏倚多在选择样本时，即纳入排除研究对象时产生。

缺失的数据不仅影响统计学把握度，而且也会给数据分析带来不可忽视的偏倚，甚至影响到结论的稳定性。对于缺失值的存在无法视而不见，合理的填补缺失值可以提高数据的利用效率。