微观计量经济学是介于经济学和统计学之间的边缘科学，它是研究微观数据——即大量个人、家庭或企业的经济信息的经济理论和统计方法。近些年内，国内微观经济学的研究集中在模型、估计和检验理论与相关应用上，而对这些模型的基础——数据重视不够。经济理论、数学方法和数据是计量经济学模型成功的三大要素，样本信息的质量直接关系到计量模型经济模型成功与否。其中，缺失数据是影响样本质量的一个关键因素，在个人、团体或政府的社会调查中，常常面临着缺失数据的问题，然而，虽然微观计量经济学已出现了大量的相关理论与方法，但对于缺失数据对模型估计带来的问题，还没有引起研究者的足够重视。　　 基于上述原因，本论文从缺失数据(无回答)的入手，探讨了缺失数据产生的原因与机制，论述了缺失数据给微观计量带来的影响。就调查项目而言，回答层与无回答层是否在数量特征上存在差异，对抽样的影响是不一样的，这涉及到了样本代表性的问题。如果数据的缺失完全是随机的，丢弃不完整的回答虽然会减少估计的精度但是不会产生偏离。相反，如果无回答是故意造成的，或无回答集中于某类特殊群体，那么无回答层与回答层之间就存在明显的非随机性差异，它们之间就不具有相同的数量分布特征，那么仅采用完整数据的样本显然是不能代表总体特征的，这时，数据缺失除了会增加估计量方差外，还会带来较严重的估计量偏差。　　 在本文中，采用了EM算法来补救缺失数据给微观计量模型回归带来的影响。此方法是根据观测数据的分布对缺失值进行填补，其估计的结果比较准确和有效。本文以农民收入与消费为例，利用EM算法，分别比较了在线性回归模型和二元选择模型的回归过程中，是否对缺失数据进行插补的回归结果。比较结果得出，采用了EM算法后，模型的回归效果要好于直接删除数据法以及传统的均值插补法，此算法在一定程度上消除数据中隐藏的偏向，弥补了回答层与无回答层之间的差异，从而得出更加准确的结论。