在回归（逻辑）中，如何在非分类变量内转换 MNAR（非随机缺失）观察值？
in regression (logistic), how can you convert MNAR (missing not at random) observations within a variable that isn't categorical?
假设我有一个二元结果，其中有 5 个输入变量。对于其中一个变量，它是一个数字变量，但有 20% 的缺失不是随机的（例如，如果它们缺失变量，它非常能说明结果，并且可能具有预测性）。
如果它是绝对的（比如 "male"、"female"），我可以轻松地将 NA 更改为 "other/missing" 之类的东西。但是我该如何为数字做那件事呢？当我将其分解为分类时，在数字组中用什么替换它？
这可能吗？
在逻辑回归中，对于 MNAR（非随机缺失），以简单方式最大化信息价值的建议是将 NA 重新编码为另一个 categorical/binary 变量并将 NA 更改为中位数值，因此二进制标志变量 can/should 捕获该变量 MNAR 观测值的有意义的方差。
假设我有一个二元结果，其中有 5 个输入变量。对于其中一个变量，它是一个数字变量，但有 20% 的缺失不是随机的（例如，如果它们缺失变量，它非常能说明结果，并且可能具有预测性）。
如果它是绝对的（比如 "male"、"female"），我可以轻松地将 NA 更改为 "other/missing" 之类的东西。但是我该如何为数字做那件事呢？当我将其分解为分类时，在数字组中用什么替换它？
这可能吗？
在逻辑回归中，对于 MNAR（非随机缺失），以简单方式最大化信息价值的建议是将 NA 重新编码为另一个 categorical/binary 变量并将 NA 更改为中位数值，因此二进制标志变量 can/should 捕获该变量 MNAR 观测值的有意义的方差。