与均值估计、方差估计相比,分位数估计不需要参数分布假设,因此更适用于呈现非正态分布的样本数据,如居民收支、生物医药、金融风险度量等。然而在样本获取的过程中,由于种种原因导致了缺失数据的存在,将会影响估计质量,使估计结果偏误增大,有可能造成对研究问题的误判。考虑到目前已经有很多学者对含有缺失数据的总体均值估计进行研究,所以本文重点讨论含有缺失数据的总体分位数估计。针对含有缺失数据的分位数估计问题,本文采用两种方法进行处理:一是分数热卡插补法,二是非参数分数插补法。这两种插补方法都基于分数插补法衍生而来,插补值来源于有回答的数据而不是条件分布,因此在估计时不需要参数分布假设,并能最大程度上保持原始数据的分布,因而估计出的结果,比依赖模型假设的插补方法估计的结果更稳健。通过模拟研究,对这两种方法实现过程进行验证,并选取最近邻插补法、多重插补法和参数分数插补法进行比较,论证了本文采用的两种方法在非正态分布下,插补后的分位数估计准确度更高,具有更广泛的实际应用价值。实证研究部分,将分数热卡插补法和非参数分数插补法应用于住户调查居民收支数据,对该数据缺失项进行插补并进行分位数估计。