使用多重插补处理缺失数据会导致标准差降低吗？

我在近期分析中采用20组多重插补处理缺失数据，参考相关方法计算变量标准差，结果显示标准差极低——在1-7量表上低于0.00！

计算均值与标准差的代码 #

#sadism variable

QW.sad <- array(dim = m)
UW.sad <- array(dim = m)

for (i in 1:m){
  QW.sad[i] <- mean(complete(Imputed.W.add.mids, i)$sad_tot)
  UW.sad[i] <- var(complete(Imputed.W.add.mids, i)$sad_tot)/nrow(DataW.regress.test)
}

B <-  var(QW.sad)
W.sad.mean <- mean(QW.sad) #mean
W.sad.SD <- mean(UW.sad) + (1 + 1/m) * B #standard deviation

插补所用代码 #

Imputed.W <- mice(DataW.regress.test[1:53], maxit=50, seed = 513, m = 20)

疑问 #

是否仅因使用多重插补就会导致标准差降低？（我推测由于各插补结果相似，这在直觉上有一定合理性）

补充信息 #

• 数据集缺失率分别为0.2822456%和0.3577555%（本次展示的是缺失率为0.3577555%的数据集代码）
• 此次测试的标准差基于个体案例的9项输入计算均值得到
• 尝试导出dput文件，但代码过长无法分享

内容的提问来源于stack exchange，提问作者Victor Ochoa