Imputación de datos faltantes en las variables de ingreso en la Encuesta Nacional sobre Salud y Envejecimiento en México
DOI:
https://doi.org/10.29105/vtga11.3-1099Palabras clave:
imputación múltiple, personas mayores, ingresosResumen
La presencia de datos faltantes, conocidos como Missing Values o missing data, es una situación habitual a la que se enfrentan tanto investigadores como tomadores de decisiones. Este estudio no es una excepción, ya que se basa en la Encuesta Nacional sobre Salud y Envejecimiento en México (ENASEM), la cual es longitudinal y está dirigida a personas mayores de 50 años, lo que hace que la presencia de valores faltantes sea evidente.
Para este estudio en particular, se ha decidido abordar especialmente los valores faltantes en tres áreas principales: variables de ingreso, gasto y activos. La propuesta consiste en emplear el método de imputaciones múltiples bajo el supuesto de Missing at Random (MAR).
De un total de variables faltantes de 28,892, se logró imputar el 100% de estas. Se observó que la mayor concentración de valores faltantes se encontraba en la ronda 2001, disminuyendo en las rondas siguientes. En cuanto a las secciones de la encuesta, se encontró que la que presentaba la mayor cantidad de valores faltantes, los cuales fueron imputados, era la de activos, con un 67%, seguida por la de ingresos con un 19% y la de gastos con un 13%.
Descargas
Citas
Arbuckle, J. L., Marcoulides, G. A., & Schumacker, R. E. (1996). Full information estimation in the presence of incomplete data. Advanced structural equation modeling: Issues and techniques. Recuperado el 20 de Marzo de 2023, de: https://books.google.es/books?hl=es&lr=&id=VcHeAQAAQBAJ&oi=fnd&pg=PA243&dq=Arbuckle,+J.+L.+(1996).+Full+information+estimation+in+the+presence+of+incomplete+data.+In+G.+A.+Marcoulides+%26+R.+E.+Schumacker+(Eds.),+Advanced+structural+equation+modeling+(pp.+243-277).+Mahwah,+NJ:+Lawrence+Erlbaum&ots=HDHifc-F0b&sig=Fr54IfOT1Xbfj-Z6es4DmjU_zmc#v=onepage&q&f=false
Binder, D. A. y W. Sun (1996), Frequency valid multiple imputation for surveys with complex designs, Bussines Survey Methods Division, Statistics, Canada. Recuperado el 2 de Febrero del 2024 http://www.asasrms.org/Proceedings/papers/1996_044.pdf
Box, G. E., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time series analysis: forecasting and control. John Wiley & Sons.. Recuperado el 2 de Febrero de 2024, de: https://books.google.es/books?hl=es&lr=&id=rNt5CgAAQBAJ&oi=fnd&pg=PR7&dq=Box,+G.+E.+P.+y+G.+M.+Jenkins.&ots=DJ94uQj0SE&sig=LTAQonDW3LqpJ0zxrvHieglW79k#v=onepage&q=Box%2C%20G.%20E.%20P.%20y%20G.%20M.%20Jenkins.&f=false
Dempster, A. P., Laird, N. M., & Rubin, D. B. (1977). Maximum likelihood from incomplete data via the EM algorithm. Journal of the royal statistical society: series B (methodological). Recuperado el 15 de marzo del 2023: https://rss.onlinelibrary.wiley.com/doi/abs/10.1111/j.2517-6161.1977.tb01600.x
Dempster, A. P., Laird, N. M., & Rubin, D. B. (1977). Maximum likelihood from incomplete data via the EM algorithm. Journal of the royal statistical society: series B (methodological), 39(1), 1-22. DOI: https://doi.org/10.1111/j.2517-6161.1977.tb01600.x
Encuesta Nacional de Salud y Envejecimiento de México (ENASEM) (2001,2003,2012 y 2015). Recuperado el 5 de Junio de 2023, de: https://enasem.org/Home/index_esp.aspx
Enders, C. K. (2001). The performance of the full information maximum likelihood estimator in multiple regression models with missing data. Educational and Psychological Measurement, Recuperado el 20 de Marzo de 2023, de: https://journals.sagepub.com/doi/abs/10.1177/0013164401615001
Imputation_of_Non-Reponse_on_Economic_Variables_in_the_MHAS-ENASEM 2001, Wong y Espinoza (2004). ENASEM. Recuperado el 6 de Octubre de 2023, de: http://mhasweb.org/Resources/DOCUMENTS/2001/Imputation_of_Non-Reponse_on_Economic_Variables_in_the_MHAS-ENASEM_2001.pdf
Imputation_of_Non-Reponse_on_Economic_Variables_in_the_MHAS-ENASEM 2003, Wong y Espinoza (2004). ENASEM. Recuperado el 10 de Octubre de 2023, de: http://mhasweb.org/Resources/DOCUMENTS/2003/Imputation_of_Non-Reponse_on_Economic_Variables_in_the_MHAS-ENASEM_2003.pdf
Imputation_of_Non-Reponse_on_Economic_Variables_in_the_MHAS-ENASEM 2012, Wong y Espinoza (2014). ENASEM. Recuperado el 10 de Octubre de 2023, de: http://mhasweb.org/Resources/DOCUMENTS/2012/Imputation_of_Non-Reponse_on_Economic_Variables_in_the_MHAS-ENASEM_2012.pdf
Imputation_of_Non-Reponse_on_Economic_Variables_in_the_MHAS-ENASEM 2015, González, Obregon, Orozco, Wong, y Zhang, Espinoza (2017). ENASEM. Recuperado el 12 de Octubre de 2023, de: http://mhasweb.org/Resources/2DOCUMENTS/2015/Imputation_of_Non-Reponse_on_Economic_Variables_in_the_MHAS-ENASEM_2015.pdf
Little, R y Rubin, D. (1987). Statistical Analysis with Missing Data. Series in Probability and Mathematical Statistics. John Wiley & Sons, Inc. New York.. Recuperado el 5 de Junio de 2023, de https://leseprobe.buch.de/images-adb/61/97/61976bf3-cfac-463d-bb88-ca1ddb674cdf.pdf
Raghunathan, T. , Lepkowski, J., Van Hoewyk, J., & Solenberger, P. (2001). A multivariate technique for multiply imputing missing values using a sequence of regression models. Survey methodology, Recuperado el 12 de Octubre de 2023, de: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.405.4540&rep=rep1&type=pdf
Ritter, C., & Tanner, M. A. (1992). Facilitating the Gibbs sampler: the Gibbs stopper and the griddy-Gibbs sampler. Journal of the American Statistical Association. Recuperado el 2 de Noviembre de 2023, de: https://www.tandfonline.com/doi/abs/10.1080/01621459.1992.10475289 DOI: https://doi.org/10.2307/2290225
Roberts, G. O. (1992) “Convergence Diagnosis of the Gibbs Sampler”, in Bernardo, J. M.; J. O. Bergen; A. P. Dawid y A. F. M. Smith (eds.). Bayesian Statistics. Oxford University Press. Recuperado, el 1 de marzo de 2024, de: https://global.oup.com/academic/product/bayesian-statistics-4-9780198522669?lang=en&cc=gb DOI: https://doi.org/10.1093/oso/9780198522669.003.0054
Rubin, D. B. (1976). Inference and missing data. Biometrika. Recuperado el 5 de Diciembre de 2023, de: https://academic.oup.com/biomet/article-abstract/63/3/581/270932 DOI: https://doi.org/10.2307/2335739
Rubin, D. B. (1987), Multiple imputation for non-response in surveys. New York, Wiley, Recuperado el 2 de Junio de 2023, de: https://books.google.com.mx/books?hl=es&lr=&id=bQBtw6rx_mUC&oi=fnd&pg=PR24&dq=Rubin,+D.+B.+(1987),+Multiple+imputation+for+nonresponse+in+surveys.+New+York,+Wiley&ots=8OtF7N1-eQ&sig=TQB8x1prrdrUg3dd-XnDnPd4w_Q#v=onepage&q=Rubin%2C%20D.%20B.%20(1987)%2C%20Multiple%20imputation%20for%20nonresponse%20in%20surveys.%20New%20York%2C%20Wiley&f=false
Vargas, D., & Lorenz, F. (2015). Inference with Missing Data Using Latent Growth Curves. Revista del Instituto Interamericano de Estadística.
Vargas, Valdés (2018) Ajuste estadístico a la distribución del ingreso en el Módulo de Condiciones Socioeconómicas 2015 mediante imputaciones multiples. Recuperado, el 20 de Marzo de 2020, de: https://www.inegi.org.mx/rde/2018/08/27/ajuste-estadistico-a-la-distribucion-del-ingreso-en-modulo-condiciones-socioeconomicas-2015-mediante-imputaciones-multiples/
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Guillermo Andrés Villagra Fuentes
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publiquen en la revista VinculaTégica EFAN aceptan el siguiente aviso de derechos de autor:
a). Los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación de la obra bajo una licencia de atribución de Creative Commons. Esta licencia permite a otros compartir la obra siempre que se reconozca la autoría original y la publicación inicial en esta revista.
b). Los autores pueden establecer acuerdos contractuales adicionales de manera independiente para la distribución no exclusiva de la versión publicada en la revista (por ejemplo, publicarla en un repositorio o incluirla en un libro), siempre que se reconozca la publicación inicial en esta revista.
c). Se permite a los autores autoarchivar su trabajo en repositorios institucionales o en su propio sitio web antes y durante el proceso de envío, ya que esto puede fomentar intercambios productivos y aumentar la citación temprana y general del trabajo publicado.
