本文考虑了自变量中有缺失观测值的线性回归模型的系数估计，并对缺失值插补的标准一阶回归方法进行了改进。修改提供了插补的随机值。当完全观测值和缺失值的数量都变大或只有完全观测值的数量变大且缺失观测值的数目保持不变时，导出了由该修正引起的回归系数估计量的渐近性质。利用这些结果，将所建议的程序与两种流行的程序进行了比较，一种程序仅使用完整的观察结果，另一种程序使用标准的一阶回归插补方法来计算缺失值。有人建议，精细的模拟实验将有助于评估效率增益，尤其是在离散回归变量的情况下，并检查其他一些有趣的问题，如解释变量中不同程度的多重共线性的影响。对一些具体数据集的应用也可能对这些方面有所帮助。这些方面的一些工作正在进行中，将在后续文章中报告。