Estimación de datos faltantes en medidas repetidas con respuesta binaria

• YOLIMA AYALA ^[1] ; ÓSCAR ORLANDO MELO ^[2]
  1. [1] Universidad Pedagógica y Tecnológica de Colombia

     Universidad Pedagógica y Tecnológica de Colombia

     Colombia

     
  2. [2] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
• Localización: Revista Colombiana de Estadística, ISSN-e 2389-8976, ISSN 0120-1751, Vol. 30, Nº. 2, 2007, págs. 265-285
• Idioma: español
• Títulos paralelos:
  • Estimation of Missing Data in Repeated Measurements with Binary Response
• Enlaces
  • Texto completo
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    Se propone una metodología para la estimación de datos faltantes en condiciones longitudinales con respuesta binaria, desde una perspectiva univariada, basada en máxima verosimilitud. Suponiendo que las respuestas son faltantes de forma aleatoria (FFA), en cada una de las ocasiones se emplea el algoritmo EM de dos formas distintas: en la primera, el paso E se expresa como una log-verosimilitud ponderada de la respuesta, condicionada a las anteriores ocasiones tomadas como covariables adicionales, con base en el método de Ibrahim (1990) para covariables categóricas faltantes, obteniendo de esta forma estimadores máximo verosímiles. En la segunda, en el paso E se realiza la estimación e imputación de datos faltantes basada en el método Ancova de Bartlett (1937). La metodología propuesta es aplicada en un caso de estudio relacionado con factores de riesgo coronario, presentado en Fitzmaurice et al. (1994).

  • English

    A maximum likelihood method is proposed to provide estimates for models with binary response in longitudinal data based on an univariate model. Under a missing at random (MAR) mechanism, the EM algorithm is used in two different forms: in the first, the E step can be expressed as a weighted log-likelihood responses given the previous times, based in the method of weights proposed by Ibrahim (1990), for partially missing covariates. In the second, on the E step the estimation and imputation for missing data is based in Ancova method proposed by Bartlett (1937). Finally, we apply our method to the data from the Muscatine Coronary Risk Factor Study, employed in Fitzmaurice et al. (1994).

• Referencias bibliográficas
  • Ayala, S. Y.. (2006). Estimación e Imputación de Datos Faltantes en Diseños de Medidas Repetidas con Respuesta Binaria o Poisson.
  • Bartlett, M. S.. (1937). `Some Examples of Statistical Methods of Research in Agricultura and Applied Botany´. Journal of Royal Statistical....
  • Chen, H. Y.,Little, R.. (1999). `A Test of Missing Completely at Random for Generalised Estimating Equations with Missing Data´. Biometrika....
  • Dempster, A. P.,Laird, N. M.,Rubin, D. B.. (1977). `Maximum Likelihood from Incomplete Data Via the EM Algorithm´. Journal of the Royal...
  • Diggle, P. J.,Liang, K. Y.,Zeger, S. L.. (1994). Analysis of Longitudinal Data.
  • Fitzmaurice, G.,Laird, N.,Lipsitz, S.. (1994). `Analysis Incomplete Longitudinal Binary Responses: A Likelihood-Based Approach´. Biometrics....
  • Fitzmaurice, G.,Laird, N.,Ware, J.. (2004). Applied Longitudinal Analysis. Wiley Series in Probability and Statistics. New York.
  • Healy, M.,Wesmacott, M.. (1956). `Missing Values in Experiments Analized on Automatic Computers´. Applied Statistic. 5. 203-206
  • Horton, N.,Lipsitz, S.. (2001). `Multiple Imputation in Practice: Comparison of Software Packages for Regression Models With Missing Variables´....
  • Ibrahim, J.. (1990). `Incomplete Data in Generalized Linear Models´. Journal of American Statistical Association. 85.
  • Lipsitz, S.,Ibrahim, J.,Fitzmaurice, G.. (1999). `Likelihood Methods for Incomplete Longitudinal Binary Responses with Incomplete Categorical...
  • Little, R.,Rubin, D.. (2002). Statistical Analysis with Missing Data. Wiley & Son. New York.
  • McCullagh, P.,Nelder, J.. (1989). Generalized Linear Models. CRC Press. New York.
  • Park, T.,Davis, C.. (1993). `A Test of the Missing Data Mechanism for Repeated Categorical Data´. Biometrics. 49. 631-638
  • Park, T.,Lee, S. Y.. (1997). `A Test of Missing Completely at Random for Longitudinal Data with Missing Observations´. Statistics in Medicine....
  • Peña, D.. (2002). Análisis de datos multivariantes. McGraw-Hill. Madrid.
  • Srivastava, M.,Carter, E.. (1986). `The Maximum Likelihood Method for Non-Response in Sample Surveys´. Statistics Canada. 12. 61-72
  • Wolson, R. F.,Clarke, W. R.. (1984). `Analysis of Categorical Incomplete Longitudinal Data´. Royal Statistical Society. 147. 87-99
  • Yang, X.,Li, J.,Shoptaw, S.. (2005). `Multiple Partial Imputation for Longitudinal Data with Missing Values in Clinical Trials´.
  • Yates, F.. (1933). `The Analysis of Replicate Experiments When the Field Results are Incomplete´. Empire Journal of Experimental Agriculture....
  • Zhao, L. P.,Prentice, R. L.. (1990). `Correlated Binary Regression Using a Quadratic Exponential Model´. Biometrika. 77. 642-648
  • Zorn, C. J.. (2001). `Generalized Estimation Equation Model for Correlated Data: A Review with Application´. American Journal of Political...