数据是未知意义上的“缺失”还是仅仅意味着没有贷款（所以贷款金额为零）？听起来像后者，在这种情况下，您需要一个额外的二进制虚拟对象来指示是否有贷款。不需要转换贷款金额（也许除了连续的重新表达，例如根或开始的日志，这可能通过其他考虑来指示）。

这在回归中效果很好。一个简单的例子是形式的概念模型

$$\text{dependent variable (Y) = loan amount (X) + constant.}$$

加上贷款指标（），回归模型为$I$

$$Y = \beta_I I + \beta_X X + \beta_0 + \epsilon$$

用表示零期望的随机误差。系数被解释为：$\epsilon$

$\beta_0$是对无贷款情况的期望，因为这些情况的特征是和。$Y$$X = 0$$I = 0$

$\beta_X$是相对于贷款金额 ( ) 的边际变化。$Y$$X$

$\beta_I + \beta_0$是贷款案例的截距。

我认为您误解了文章的建议：主要是因为该建议没有意义。然后你会遇到两个问题：如何重新编码一个变量并且它的值仍然丢失。可能建议的是创建一个缺失指标。

处理与此描述松散匹配的缺失数据的某种相关方法是调整缺失指标。这当然是一种简单易行的方法，但总的来说它是有偏见的。偏见的坏处是无限的。这有效地做的是拟合两个模型并将它们的效果平均在一起：第一个模型是完全条件模型，第二个是完整因子模型. 完全条件模型是完整的案例模型，其中删除了具有缺失值的每个观察值。所以它适合 20% 的数据子集。第二个是对剩余 80% 的拟合，根本没有调整缺失值。当没有未测量的交互、链接函数可折叠以及数据随机缺失 (MAR) 时，此边际模型估计与完整模型相同的效果。然后通过加权平均将这些影响结合起来。即使在理想条件下，没有不可测量的交互作用和完全随机缺失 (MCAR) 数据，缺失指标方法也会导致偏差效应，因为边际模型和条件模型估计的效应不同。在这种情况下，即使是预测也是有偏差的。

一个更好的选择是只使用多重插补。即使在以非常低的流行率测量最缺失的因素时，MI 在生成可能值可能是什么的复杂实现方面做得相对较好。这里唯一必要的假设是 MAR。