关于missForest方法，下面错误的是：

**C:即使数据量比较大的情况，这个方法也比其他方法速度快**

### 专业分析：

1. **missForest方法简介**：
- **missForest**是利用随机森林算法来填补数据集中的缺失值的一种方法。
- 适用于数据集中包含连续和分类变量的情况。
- 它通过训练随机森林模型来预测缺失值，根据已有的数据进行多次迭代来提高预测精度。

2. **选项分析**：
- **A: 这是利用随机森林来填补缺失值的方法**
- 正确。missForest的核心算法是随机森林。

- **B: 此方法可以适用于任何类型的数据(连续、离散)**
- 正确。适用于处理混合类型的数据。

- **C: 即使数据量比较大的情况，这个方法也比其他方法速度快**
- 错误。由于随机森林的计算复杂性，missForest在数据量较大的情况下计算速度可能较慢，特别是在与简单的均值或中位数填补方法相比时。

- **D: 这方法虽然效果比较好，但是相比其他方法，效率就太低了**
- 正确。效果通常较好，但计算效率低是其主要缺点之一，尤其在大规模数据集上。

### 结论：
missForest在填补效果上具有优势，但计算效率在处理大数据集时较低。选项C描述了一个错误的优势，因此是错误的。