unbalanced longitudinal data的大量missing values怎么处理？

为了找project练手，signup了一个home challenge, 发现是unbalanced longitudinal data， 还有大量missing values。真的是不知道如何下手做missing values的imputation. 有哪位大神有相关经验，可否指点指点？比如用什么package，哪里有资源可以学习一下的。先谢啦！

首先你看一下missing的比例，了解一下各个variables。根据变量本身的属性和它与其他变量outcome之间的关系决定如何处理这些变量。
Missing value有三种机制 MCAR MAR MCAR，实际中一般假设MAR。
Impute的话可以用proc MI （SAS）。impute5到10个data sets差不多了，有个前提是假设MAR。希望能帮助

是什么样的missing value啊？ categorical还是numerical?
结合楼上的答案可以选择删除或者补充

谢谢楼上两位的回复。
有categorical和numeric的。SAS都不大会用了。在用R做。