本研究提出RefiDiff框架，针对高维混合数据集中的非随机缺失值插补问题。该框架结合局部机器学习与去噪网络，显著提升性能和准确性，训练速度提高4倍，展现出优越的鲁棒性和可扩展性。

本研究分析了非随机缺失对因果效应估计的影响，假设缺失机制与结果无关，提供了精确界限，为因果推断提供新理论基础。