Comparación de técnicas de imputación de datos faltantes con respecto al modelo de regresión logística multinomial

• Autores: Rafael Borges Méndez, Gerardo Colmenares, Daniel Eduardo Paredes Moreno
• Localización: XXXI Congreso Nacional de Estadística e Investigación Operativa ; V Jornadas de Estadística Pública: Murcia, 10-13 de febrero de 2009 : Libro de Actas, 2009, ISBN 978-84-691-8159-1
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • El principal objetivo de este estudio es comparar Tecnicas de Estimacion de Datos Faltantes para imputar la base de datos correspondiente a la banca venezolana entre junio 1996 y diciembre de 2004. Se compararon las siguientes tecnicas: Imputacion Multiple mediante MCMC, el Algoritmo EM, el Metodo del Vecino mas Cercano e Imputacion mediante Muestreo Aleatorio Simple. Para realizar la comparacion se empleo la Prueba no Parametrica de Friedman, teniendo como respuesta el area bajo la curva ROC del modelo de Regresion Logstica Multinomial, generando perdida al azar en 100 bases de datos con 5, 10, 20, 30 y 40% de ausencia de datos. Las tecnicas tambien se compararon para cada porcentaje de falta de informacion utilizando la prueba de Kruskal-Wallis. Se encontraron diferencias signi cativas entre los metodos de imputacion siendo el de mejor desempe~no el del Vecino mas Cercano, existiendo diferencia para cada uno de los porcentajes de falta de informacion excepto para 30 %.