Propuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporciones

El análisis de datos faltantes está orientado a la investigación y aplicación de métodos estadísticos, que permiten trabajar conjuntos de datos, con información faltante. Mediante procesos de estimación estadística, los valores faltantes en una base de datos (o muestra), pueden reemplazarse con valores obtenidos en dicho proceso; y lograr una base de datos con información completa. Algo ideal para un investigador; disponer de la data completa es una garantía para considerar toda la información de la muestra. Por este motivo, obtener una buena estimación de los valores faltantes, permite mejorar los análisis; por el contrario, reemplazar los valores ausentes con sesgos en su estimación puede generar valoraciones inadecuadas en un análisis. Los métodos y procesos para la imputación de datos faltantes, mejoran su potencia según el comportamiento de los datos y la información observada. Por tanto, los métodos de imputación pueden aplicarse a variables que cumplan algunas condiciones para asegurar una adecuada estimación. Este trabajo, propone estimar los valores faltantes para variables de proporciones o tasas, con un modelo de regresión Beta.

• Autores: Avila León, Mario
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad Santo Tomás
• Repositorio: Repositorio Institucional USTA
• Idioma: spa
• OAI Identifier: oai:repository.usta.edu.co:11634/49335
• Acceso en línea: http://hdl.handle.net/11634/49335
• Palabra clave: Missing data; Beta regression; Imputation; Imputation methods; Rate and ratio variables; Estadísticas; Variables de Tasas; Métodos Estadísticos; Datos faltantes; Regresión Beta; Imputación; Métodos de imputación; Variables de tasas y proporciones
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 2.5 Colombia