Eliminación por lista

En estadística , la eliminación por lista es un método para manejar datos faltantes . En este método, se excluye un registro completo del análisis si falta algún valor. ^{[ 1 ]}^{: 6}

Ejemplo

Por ejemplo, consideremos el siguiente cuestionario, respondido por 10 sujetos:

Un investigador desea modelar los ingresos ( variable dependiente ) en función de la edad y el género (variables independientes). Mediante la eliminación de casos con datos incompletos, el investigador eliminaría a los sujetos 3, 4 y 8 de la muestra antes de realizar cualquier análisis posterior.

Problemas con la eliminación de listas

La eliminación de casos con datos faltantes afecta la potencia estadística de las pruebas realizadas. ^{[ 2 ]}^{[ 3 ]} La potencia estadística depende en parte de un tamaño de muestra grande. Debido a que la eliminación de casos con datos faltantes excluye los datos con valores faltantes, reduce la muestra que se analiza estadísticamente.

La eliminación de casos con datos faltantes también es problemática cuando la razón de los datos faltantes puede no ser aleatoria (es decir, preguntas en cuestionarios que buscan extraer información sensible. ^{[ 3 ]} Debido al método, gran parte de los datos de los sujetos se excluirán del análisis, dejando un sesgo en los hallazgos de datos. Por ejemplo, un cuestionario puede incluir preguntas sobre el historial de consumo de drogas de los encuestados, los ingresos actuales o las orientaciones sexuales. Muchos de los sujetos en la muestra pueden no responder debido a la naturaleza intrusiva de las preguntas, pero pueden responder a todos los demás ítems. La eliminación de casos con datos faltantes excluirá a estos encuestados del análisis. Esto puede crear un sesgo ya que los participantes que sí divulgan esta información pueden tener características diferentes a los participantes que no lo hacen. La imputación múltiple es una técnica alternativa para tratar los datos faltantes que intenta eliminar este sesgo.

En comparación con otros métodos

Si bien la eliminación por lista tiene sus problemas, es preferible a muchos otros métodos para manejar datos faltantes. ^{[ 1 ]}^{: 7} En algunos casos, incluso puede ser el método menos problemático. ^{[ 1 ]}^{: 6} La siguiente tabla proporciona algunas comparaciones de la eliminación por lista con otros métodos:

Referencias

1 2 3 4 Allison, PD (2001). Datos faltantes . Serie de documentos universitarios de Sage sobre aplicaciones cuantitativas en las ciencias sociales. Vol. 07– 136. Thousand Oaks, CA: Sage.
↑ Roth, PL (1994). "Datos faltantes: una revisión conceptual para psicólogos aplicados". Personnel Psychology . 47 (3): 537– 559. doi : 10.1111/j.1744-6570.1994.tb01736.x .
1 2 Olinsky, A.; Chen, S.; Harlow, L. (2003). "La eficacia comparativa de los métodos de imputación para datos faltantes en el modelado de ecuaciones estructurales". European Journal of Operational Research . 151 (1): 53– 79. doi : 10.1016/S0377-2217(02)00578-7 .
↑ Jones, MP (1996). "Métodos de indicadores y estratificación para variables explicativas faltantes en regresión lineal múltiple". J. Amer. Statist. Assoc. 91 (433): 222– 230. doi : 10.1080/01621459.1996.10476680 .Según lo citado por Allison (2001), pág. 10.

[Allison2001-1] 1 2 3 4 Allison, PD (2001). Datos faltantes . Serie de documentos universitarios de Sage sobre aplicaciones cuantitativas en las ciencias sociales. Vol. 07– 136. Thousand Oaks, CA: Sage.

[2] Roth, PL (1994). "Datos faltantes: una revisión conceptual para psicólogos aplicados". Personnel Psychology . 47 (3): 537– 559. doi : 10.1111/j.1744-6570.1994.tb01736.x .

[Olinsky_et_al.,_2003-3] 1 2 Olinsky, A.; Chen, S.; Harlow, L. (2003). "La eficacia comparativa de los métodos de imputación para datos faltantes en el modelado de ecuaciones estructurales". European Journal of Operational Research . 151 (1): 53– 79. doi : 10.1016/S0377-2217(02)00578-7 .

[4] Jones, MP (1996). "Métodos de indicadores y estratificación para variables explicativas faltantes en regresión lineal múltiple". J. Amer. Statist. Assoc. 91 (433): 222– 230. doi : 10.1080/01621459.1996.10476680 .Según lo citado por Allison (2001), pág. 10.

[ 1 ]

[ 2 ]

[ 3 ]