Métodos de imputación para el tratamiento de datos faltantes: aplicación mediante R/Splus
DOI:
https://doi.org/10.46661/revmetodoscuanteconempresa.2120Palabras clave:
Información auxiliar, encuesta, probabilidades de inclusión, mecanismo de respuesta, auxiliary information, survey, inclusion probabilities, response mechanismResumen
La aparición de datos faltantes es un problema común en la mayoría de las encuestas llevadas a cabo en distintos ámbitos. Una técnica tradicional y muy conocida para el tratamiento de datos faltantes es la imputación. La mayoría de los estudios relacionados con los métodos de imputación se centran en el problema de la estimación de la media y su varianza y están basados en diseños muestrales simples tales como el muestreo aleatorio simple. En este trabajo se describen los métodos de imputación más conocidos y se plantean bajo el contexto de un diseño muestral general y para el caso de diferentes mecanismos de respuesta. Mediante estudios de simulación Monte Carlo basados en datos reales extraídos del ámbito de la economía y la empresa, analizamos las propiedades de varios métodos de imputación en la estimación de otros parámetros que también son utilizados con frecuencia en la práctica, como son las funciones de distribución y los cuantiles. Con el fin de que los métodos de imputación descritos en este trabajo se puedan implementar y usar con mayor facilidad, se proporcionan sus códigos en los lenguajes de programación R y Splus.
Descargas
Citas
Arcos, A., Gámiz, M.L., González, A., Martínez, M.D. y Rueda, M.M. (2004). Programación en R. Aplicaciones al muestreo. Ed. Los autores. ISBN: 84-609-3077-7. Depósito legal: GR-1880-2004.
Arcos, A., Gámiz, M.L., González, A., Martínez, M.D., Muñoz, J.F., Román, Y. y Rueda, M.M. (2005). Estadística Computacional con SPSS y R. Ed. Los autores. ISBN: 84-689-5347-4. Dep´osito legal: GR-2110-2005.
Bello, A.L. (1993). Choosing among imputation techniques for incomplete multivariate data: a simulation study. Comunication in Statistics, 22 823–877.
Berger, Y.G. y Rao, J.N.K. (2006). Adjusted jackknife for imputation under unequal probability sampling without replacement. Journal of the Royal Statistical Society, Series B, 68 531–547.
Berger, Y.G. y Skinner, C.J. (2003). Variance estimation for a low income proportion. Journal of the Royal Statistical Society, Series B, 52 457–468.
Brick, J.M. y Kalton, G. (1996). Handling missing data in survey research. Statistical Methods in Medical Research, 5 215–238.
Chambers, R.L. y Dunstan, R. (1986). Estimating distribution functions from survey data. Biometrika, 73 597–604.
Chen, J. y Shao, J. (2000). Nearest neighbor imputation for survey data. Journal of Official Statistics, 16 113–131.
Cohen, M.P. (1996). A new approach to imputation. American Statistical Association Proceding of the Section on Survey Research Methods 293-298.
Everitt, B.S. (1994). A handbook of Statistical Analysis using S-Plus. Chapman and Hall, New York.
Fay, R.E. (1991). A design-based perspective on missing data variance. In Proc. Seventh Annual Res. Conf., Washington, D.C.: U.S. Bureau of the Census. 429-440.
Hu, M., Salvucci, S. y Lee, R. (2001). A Study of Imputation Algorithms. Working Paper No. 200117. Washington DC: U.S. Department of Education, National Center for Education Statistics, 2001. 27 Stata Statistical Software.
Healy, M.J.R. y Westmacott, M. (1956). Missing values in experments analysed on automatic computers. Appled Statistics, 5 203–206.
Ihaka, R. y Gentleman, R. (1996). R: a Language for Data Analysis and Graphics. Journal of Computational and Graphical Statistics, 5 299–314.
Kalton, G. (1983). Compensating for missing data. Ann Arbor: Institute for Social Research, University of Michigan.
Kalton, G. y Kasprzyk, D. (1986). The treatment of missing survey data. Survey Methodology 12 1–16.
Krause, A. y Olson, M. (2005). The basic of S-Plus. Fourth Edition. Springer.
Kuk, A.Y.C. y Mak, T.K. (1989). Median estimation in the presence of auxiliary information. Journal of the Royal Statistical Society, Series B, 51 261-269.
Little, R.J.A. y Rubin, D.B. (2002). Statistical analysis with missing data. 2nd edition. New York: John Wiley & Sons, Inc.
Merino, M. y Vadillo, F. (2007). Matemática financiera con MATLAB©. Métodos Cuantitativos para la Economía y la Empresa, 4 35–55.
Murthy, M.N. (1967). Sampling theory and method. Calcutta: Statistical Publishing Society.
Rancourt, E., Lee, H. y Särndal, C.E. (1994). Bias correction for survey estimates from data with ratio imputed values for confounded nonresponse. Survey Methodology, 20 137–147.
Rao, J.N.K. (1996). On variance estimation with imputed survey data (with discussion). Journal of the American Statistical Association, 91 499–520.
Rao, J.N.K., Kovar, J.G. y Mantel, H.J. (1990). On estimating distribution function and quantiles from survey data using auxiliary information. Biometrika, 77 365–375.
Rao, J.N.K. y Shao, J. (1992). Jackknife Variance Estimation With Survey Data Under Hot-Deck Imputation. Biometrika, 79 811–822.
Rubin, D.B. (1978). Multiple imputations in sample surveys. A phenomenological bayesian approach to nonresponse. Proceedings of the Survey Research Methods Section, American Statistical Association. 20–34.
Rubin, D.B. (1996). Mutiple imputation after 18+ years. Journal of the American Statistical Association, 91 473–489.
Särndal, C.E., Swensson, B. y Wretman, J.H. (1992). Model Assisted Survey Sampling. Springer-Verlag, New York.
Sedransk, J. (1985). The objetive and practice of imputation. In Proc. First Annual Res. Conf., Washington, D.C.: Bureau of the Cencus. 445–452.
Silva P.L.D. y Skinner C.J. (1995). Estimating distribution function with auxiliary information using poststratification. Journal of Official Statistics, 11 277–294.
Valliant, R. (1993). Poststratification and conditional variance estimation. Journal of the American Statistical Association, 88 89–96.
Wu, C. (2005). Algorithms and R codes for the pseudo empirical likelihood methods in survey sampling. Survey Methodology, 31 239–243.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2009 Revista de Métodos Cuantitativos para la Economía y la Empresa
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
El envío de un manuscrito a la Revista supone que el trabajo no ha sido publicado anteriormente (excepto en la forma de un abstract o como parte de una tesis), que no está bajo consideración para su publicación en ninguna otra revista o editorial y que, en caso de aceptación, los autores están conforme con la transferencia automática del copyright a la Revista para su publicación y difusión. Los autores retendrán los derechos de autor para usar y compartir su artículo con un uso personal, institucional o con fines docentes; igualmente retiene los derechos de patente, de marca registrada (en caso de que sean aplicables) o derechos morales de autor (incluyendo los datos de investigación).
Los artículos publicados en la Revista están sujetos a la licencia Creative Commons CC-BY-SA de tipo Reconocimiento-CompartirIgual. Se permite el uso comercial de la obra, reconociendo su autoría, y de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.
Hasta el volumen 21 se ha estado empleando la versión de licencia CC-BY-SA 3.0 ES y se ha comenzado a usar la versión CC-BY-SA 4.0 desde el volumen 22.
