Documente Academic
Documente Profesional
Documente Cultură
para los datos que faltan varias veces por muestreo a partir de una
modelo de imputacin (usando ecuaciones encadenadas o un modelo
normal multivariante. La imputacin modelo debe contener las variables
que se van a
incluir en el modelo estadstico utilizado para el
anlisis epidemiolgico, as como variables auxiliares que pueden
contener informacin sobre los datos que faltan, y un
procedimiento de "adecuada" imputacin incorpora apropiada
variabilidad en los valores imputados. El proceso de imputacin
crea mltiples versiones "completas" de los conjuntos de datos.
Se analizan estos conjuntos de datos '' completos con el
modelo estadstico para el anlisis epidemiolgico y las estimaciones
obtenidas a partir de cada conjunto de datos se promedian para
producir una estimacin global MI. El error estndar para esta
estimacin global se deriva usando MI reglas de Rubin, que representan
la variabilidad entre las estimaciones obtenidas de los anlisis separados
de cada base de datos completada.
Es tenido en cuenta que la variabilidad de las bases completadas
producen una estimacin precisa y valida.
Cuando la imputacin es hecha usando mtodos estndar que ahora
estn disponibles
en muchos paquetes de computador, con las especificaciones del
modelo apropiados
para reflejar la estructura de los datos, la estimacin resultanten MI ser
vlida (con estimaciones de parmetros imparciales con confianza
nominal de cobertura de intervalo)
si los datos faltante los datos son "perdidos al azar '(MAR). MAR
describe una situacin en la que la probabilidad de la falta de una
variable en particular (por ejemplo, circunferencia de la cintura) puede
ser explicada por otras variables observadas en el conjunto de datos,
pero es (condicionalmente) independiente de la variable.
Por otra parte, MI puede producir estimaciones sesgadas si los datos no
son perdidos al azar MNAR que ocurre cuando los participantes del
estudio del cual faltan datos difieren de lo participantes del estudio con
datos completos en una manera que no pueden explicarse los datos
observados en el estudio.
MI ahora se implementa en muchas de los principales paquete
estadsticos por lo que es