处理缺失值的方法包括以下几种： **用样本统计量的值去代替缺失值** 例如，用均值、中位数或众数填充缺失值（适用于数值型或分类数据）。 **用统计模型估计值去代替缺失值** 例如，通过回归模型、机器学习算法（如随机森林、KNN）预测缺失值。 **人工添加方法** 通过专家知识或手动调查补充缺失值（适用于小规模数据或关键变量）。 **将有缺失值的个案整个删除** 直接删除含缺失值的记录（简单但可能丢失信息，适用于缺失比例低的情况）。 **只排除有缺失值的项目问题，但保留个案** 仅忽略缺失的变量，保留其他完整变量（适用于变量间独立性较高的情况）。 **答案：以上全部选项均正确。**
