issing values that are missing not at random (MNAR) can result from a variety of missingness processes. However, two fundamental subtypes of MNAR values can be obtained from the definition of the MNAR mechanism itself. The distinction between them deserves consideration because they have characteristic differences in how they distort relationships in the data. This has implications for the validity of statistical results and generalizability of methodological findings that are based on data (empirical or generated) with MNAR values. However, these MNAR subtypes have largely gone unnoticed by the literature. As few studies have considered both subtypes, their relevance to methodological and substantive research has been overlooked. This article systematically introduces the two MNAR subtypes and gives them descriptive names. A case study demonstrates they are mechanically distinct from each other and from other missing-data mechanisms. Applied examples are given to help researchers conceptually identify MNAR subtypes in real data. Methods are provided to generate missing values from both subtypes in simulation studies. Simulation studies for regression and growth curve modeling contexts show MNAR subtypes consistently differ in the severity of their impact on statistical inference. This behavior is examined in light of how relationships in the data become characteristically distorted. The contents of this article are intended to provide a foundation and tools for organized consideration of MNAR subtypes. (PsycInfo Database Record (c) 2021 APA, all rights reserved).

中文翻译：

---

缺失的子类型不是随机缺失的数据机制。

非随机缺失值 (MNAR) 可能由各种缺失过程导致。但是，可以从 MNAR 机制本身的定义中获得 MNAR 值的两个基本子类型。它们之间的区别值得考虑，因为它们在如何扭曲数据关系方面存在特征差异。这对基于具有 MNAR 值的数据（经验的或生成的）的统计结果的有效性和方法论发现的普遍性具有影响。然而，这些 MNAR 亚型在很大程度上没有被文献注意到。由于很少有研究同时考虑这两种亚型，因此忽略了它们与方法学和实质性研究的相关性。本文系统地介绍了这两种 MNAR 亚型，并给出了描述性名称。案例研究表明，它们在机械上彼此不同，也与其他缺失数据机制不同。给出了应用示例，以帮助研究人员从概念上识别真实数据中的 MNAR 亚型。提供了从模拟研究中的两种亚型生成缺失值的方法。回归和增长曲线建模上下文的模拟研究表明，MNAR 亚型在对统计推断的影响严重程度方面始终不同。根据数据中的关系如何变得特征性地扭曲来检查这种行为。本文的内容旨在为有组织地考虑 MNAR 子类型提供基础和工具。（PsycInfo 数据库记录 (c) 2021 APA，保留所有权利）。给出了应用示例，以帮助研究人员从概念上识别真实数据中的 MNAR 亚型。提供了从模拟研究中的两种亚型生成缺失值的方法。回归和增长曲线建模上下文的模拟研究表明，MNAR 亚型在对统计推断的影响严重程度方面始终不同。根据数据中的关系如何变得特征性地扭曲来检查这种行为。本文的内容旨在为有组织地考虑 MNAR 子类型提供基础和工具。（PsycInfo 数据库记录 (c) 2021 APA，保留所有权利）。给出了应用示例，以帮助研究人员从概念上识别真实数据中的 MNAR 亚型。提供了从模拟研究中的两种亚型生成缺失值的方法。回归和增长曲线建模上下文的模拟研究表明，MNAR 亚型在对统计推断的影响严重程度方面始终不同。根据数据中的关系如何变得特征性地扭曲来检查这种行为。本文的内容旨在为有组织地考虑 MNAR 子类型提供基础和工具。（PsycInfo 数据库记录 (c) 2021 APA，保留所有权利）。回归和增长曲线建模上下文的模拟研究表明，MNAR 亚型在对统计推断的影响严重程度方面始终不同。根据数据中的关系如何变得特征性地扭曲来检查这种行为。本文的内容旨在为有组织地考虑 MNAR 子类型提供基础和工具。（PsycInfo 数据库记录 (c) 2021 APA，保留所有权利）。回归和增长曲线建模上下文的模拟研究表明，MNAR 亚型在对统计推断的影响严重程度方面始终不同。根据数据中的关系如何变得特征性地扭曲来检查这种行为。本文的内容旨在为有组织地考虑 MNAR 子类型提供基础和工具。（PsycInfo 数据库记录 (c) 2021 APA，保留所有权利）。