Introducción a valores perdidos

Los casos con valores perdidos representan un reto importante, ya que los procedimientos de modelado tradicionales simplemente descartan estos casos para el análisis. Cuando hay pocos valores perdidos (aproximadamente, menos del 5 % del número total de casos) y dichos valores pueden considerarse perdidos de forma aleatoria (es decir, que la pérdida de un valor no depende de otros valores), entonces el método tradicional de eliminación según la lista es relativamente "seguro". La opción Valores perdidos puede ayudarle a determinar si la eliminación según la lista es suficiente; asimismo, proporciona métodos para gestionar los valores perdidos cuando no lo sea.

Análisis de valores perdidos frente a procedimientos de imputación múltiple

La opción Valores perdidos proporciona dos conjuntos de procedimientos para gestionar los valores perdidos:

  • Los procedimientos de Imputación múltiple proporcionan el análisis de patrones de datos perdidos, orientados a la imputación múltiple eventual de valores perdidos. Esto es, se producen versiones múltiples del conjunto de datos, cada una con su propio conjunto de valores imputados. Cuando se realizan análisis estadísticos, se combinan las estimaciones de los parámetros de todos los conjuntos de datos imputados, con lo que se ofrecen estimaciones generalmente más precisas de lo que serían con sólo una imputación.
  • El Análisis de valores perdidos proporciona un conjunto ligeramente diferente de herramientas descriptivas para analizar los datos perdidos (en particular, la prueba MCAR de Little) e incluye una variedad de métodos de imputación únicos. Tenga en cuenta que por lo general la imputación múltiple suele considerarse superior a la imputación individual.

Tareas de valores perdidos

Puede empezar con el análisis de valores perdidos siguiendo estos pasos básicos:

  1. Examinar la ausencia. Utilice Análisis de valores perdidos y Analizar patrones para explorar patrones de valores perdidos en sus datos y determinar si es necesario recurrir a la imputación múltiple.
  2. Imputar valores perdidos. Utilice Imputar valores perdidos para imputar de forma múltiple los valores perdidos.
  3. Analizar datos "completos". Utilice cualquier procedimiento que admita datos de imputación múltiple. Consulte Análisis de datos de imputación múltiple para obtener información sobre el análisis de conjuntos de datos de imputación múltiple y una lista de procedimientos que soportan estos datos.