SPSS Missing Values 17.0

i
SPSS Missing Values 17.0
Si desea obtener ms informacin sobre los productos de software de SPSS Inc., visite nuestro sitio Web en http://www.spss.com o pngase en contacto con SPSS Inc. 233 South Wacker Drive, 11th Floor Chicago, IL 60606-6412, EE.UU. Tel: (312) 651-3000 Fax: (312) 651-3668 SPSS es una marca comercial registrada; los dems nombres de productos son marcas comerciales de SPSS Inc. para los programas de software de su propiedad. El material descrito en este software no puede ser reproducido ni distribuido sin la autorizacin expresa por escrito por parte de los propietarios de la marca registrada y de los derechos de la licencia en el software y en los copyrights de los materiales publicados. El SOFTWARE y la documentacin se proporcionan con DERECHOS LIMITADOS. Su uso, duplicacin o revelacin por parte del Gobierno estn sujetos a las restricciones establecidas en la subdivisin (c)(1)(ii) de la clusula Rights in Technical Data and Computer Software en 52.227-7013. El fabricante es SPSS Inc., 233 South Wacker Drive, 11th Floor, Chicago, IL 60606-6412, EE.UU. N de patente 7,023,453 Aviso general: El resto de los nombres de productos mencionados en este documento se utilizan slo con nes identicativos y pueden ser marcas comerciales de sus respectivas empresas. Windows es una marca comercial registrada de Microsoft Corporation. Apple, Mac y el logotipo de Mac son marcas comerciales de Apple Computer, Inc., registradas en Estados Unidos y en otros pases. Este producto utiliza WinWrap Basic, Copyright 1993-2007, Polar Engineering and Consulting, http://www.winwrap.com. Impreso en EE.UU. Queda prohibida la reproduccin, el almacenamiento en sistemas de recuperacin o la transmisin de cualquier parte de esta publicacin en cualquier forma y por cualquier medio (electrnico o mecnico, fotocopia, grabacin o cualquier otro) sin previa autorizacin expresa y por escrito de parte del editor.
Prefacio
SPSS Statistics 17.0 es un sistema global para el anlisis de datos. El mdulo adicional opcional Valores perdidos proporciona las tcnicas de anlisis adicionales que se describen en este manual. El mdulo adicional Valores perdidos se debe utilizar con el sistema Base de SPSS Statistics 17.0 y est completamente integrado en dicho sistema.
Instalacin
Para instalar Valores perdidos mdulo adicional, ejecute el Asistente para autorizacin de licencia utilizando el cdigo de autorizacin que le envi SPSS Inc.. Para obtener ms informacin, consulte las instrucciones de instalacin proporcionadas con Valores perdidos mdulo adicional.
Compatibilidad
SPSS Statistics est diseado para ejecutarse en gran cantidad de sistemas de ordenadores. Consulte las instrucciones de instalacin entregadas con su sistema para obtener informacin especca acerca de los requisitos mnimos y los recomendados.
Nmeros de serie
El nmero de serie es su nmero de identicacin con SPSS Inc.. Necesitar este nmero cuando se ponga en contacto con SPSS Inc. para recibir informacin sobre asistencia, formas de pago o actualizacin del sistema. El nmero de serie se incluye en el sistema Base de SPSS.
Servicio al cliente
Si tiene cualquier duda referente a la forma de envo o pago, pngase en contacto con su ocina local, que encontrar en el sitio Web en http://www.spss.com/worldwide. Tenga preparado su nmero de serie para identicarse.
Cursos de preparacin
SPSS Inc. ofrece cursos de preparacin, tanto pblicos como in situ. En todos los cursos habr talleres prcticos. Estos cursos tendrn lugar peridicamente en las principales capitales. Si desea obtener ms informacin sobre estos cursos, pngase en contacto con su ocina local que encontrar en el sitio Web en http://www.spss.com/worldwide.
iii
Asistencia tcnica
El servicio de asistencia tcnica est a disposicin de todos los clientes de mantenimiento. Los clientes podrn ponerse en contacto con este servicio de asistencia tcnica si desean recibir ayuda sobre el uso de SPSS Statistics o sobre la instalacin en alguno de los entornos de hardware admitidos. Para ponerse en contacto con el servicio de asistencia tcnica, consulte el sitio Web en http://www.spss.com, o pngase en contacto con la ocina ms cercana, que encontrar en el sitio Web en http://www.spss.com/worldwide. Tenga preparada la informacin necesaria para identicarse personalmente, a su organizacin y el nmero de serie de su sistema.
Publicaciones adicionales
SPSS Statistical Procedures Companion, por Marija Noru, ha sido publicado por Prentice Hall. Se prev una nueva versin de este libro, actualizado para SPSS Statistics 17.0. El libro SPSS Advanced Statistical Procedures Companion, que tambin se basa en SPSS Statistics 17.0, se publicar muy pronto. El libro SPSS Guide to Data Analysis para SPSS Statistics 17.0 tambin est en proceso de desarrollo. Las publicaciones anunciadas de forma exclusiva por Prentice Hall estarn disponibles en el sitio Web en http://www.spss.com/estore (seleccione su pas de origen y pulse en Books).
iv
Contenido
Parte I: Manual del usuario 1 2 Introduccin a valores perdidos Anlisis de valores perdidos 1 2
Visualizacin de los patrones de los valores perdidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Visualizacin de los estadsticos descriptivos de los valores perdidos . . . . . . . . . . . . . . . . . . . . . 7 Estimacin de los estadsticos e imputacin de los valores perdidos. . . . . . . . . . . . . . . . . . . . . . . 8 Opciones de estimacin EM. . . . . . . . . . . Opciones de estimacin de regresin . . . Variables pronosticadas y predictoras . . . Funciones adicionales del comando MVA. . . . ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 9 10 12 13
Imputacin mltiple
14
Analizar patrones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 Imputar valores perdidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 Mtodo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Restricciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funciones adicionales del comando MULTIPLE IMPUTATION . ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 19 21 23 24
Trabajo con datos de imputacin mltiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 Anlisis de datos de imputacin mltiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 Opciones de imputacin mltiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Parte II: Ejemplos 4 Anlisis de valores perdidos 36
Descripcin del patrn de los datos perdidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Ejecucin del anlisis para mostrar estadsticos descriptivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 Evaluacin de los estadsticos descriptivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 Volver a ejecutar el anlisis para mostrar patrones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 Evaluacin de la tabla de patrones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 Volver a ejecutar el anlisis de la prueba MCAR de Little . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Imputacin mltiple
Anlisis de los patrones de los valores perdidos . Imputacin automtica de valores perdidos. . . . . Modelo de imputacin personalizada. . . . . . . . . . Comprobacin de la convergencia de FCS . . . . . . Analizar datos completos. . . . . . . . . . . . . . . . . . . Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
49
... ... ... ... ... ... 49 53 60 68 71 81
Uso de imputacin mltiple para completar y analizar un conjunto de datos . . . . . . . . . . . . . . . . . 49
Apndice A Archivos muestrales ndice 82 93
vi
Parte I: Manual del usuario
Captulo
Introduccin a valores perdidos
Los casos con valores perdidos representan un reto importante, ya que los procedimientos de modelado tradicionales simplemente descartan estos casos para el anlisis. Cuando hay pocos valores perdidos (aproximadamente, menos del 5 % del nmero total de casos) y dichos valores pueden considerarse perdidos de forma aleatoria (es decir, que la prdida de un valor no depende de otros valores), entonces el mtodo tradicional de eliminacin segn la lista es relativamente seguro. La opcin Valores perdidos puede ayudarle a determinar si la eliminacin segn la lista es suciente; asimismo, proporciona mtodos para gestionar los valores perdidos cuando no lo sea.
Anlisis de valores perdidos frente a procedimientos de imputacin mltiple
La opcin Valores perdidos proporciona dos conjuntos de procedimientos para gestionar los valores perdidos:
Los procedimientos de Imputacin mltiple proporcionan un anlisis de los patrones de datos perdidos, dirigidos a una imputacin mltiple de valores perdidos. Esto es, se producen versiones mltiples del conjunto de datos, cada una con su propio conjunto de valores imputados. Cuando se realizan anlisis estadsticos, se combinan las estimaciones de los parmetros de todos los conjuntos de datos imputados, con lo que se ofrecen estimaciones generalmente ms precisas de lo que seran con slo una imputacin. Anlisis de valores perdidos proporciona un conjunto ligeramente diferente de herramientas descriptivas para analizar los datos perdidos (en especial, la prueba MCAR de Little) e incluye una variedad de mtodos de imputacin individual. Tenga en cuenta que por lo general la imputacin mltiple suele considerarse superior a la imputacin individual.
Tareas de valores perdidos
Puede empezar con el anlisis de valores perdidos siguiendo estos pasos bsicos:
E Examinar la ausencia. Utilice Anlisis de valores perdidos y Analizar patrones para explorar
patrones de valores perdidos en sus datos y determinar si es necesario recurrir a la imputacin mltiple.
E Imputar valores perdidos. Utilice Imputar valores perdidos para imputar de forma mltiple los
valores perdidos.
E Analizar datos completos. Utilice cualquier procedimiento que admita datos de imputacin
mltiple. Consulte Anlisis de datos de imputacin mltiple el p. 28 para obtener informacin sobre el anlisis de conjuntos de datos de imputacin mltiple y una lista de procedimientos que admiten estos datos.
1
Captulo
Anlisis de valores perdidos

El procedimiento Anlisis de valores perdidos realiza tres funciones principales:
Describe el patrn de los datos perdidos. Dnde se encuentran los valores perdidos? Con qu frecuencia aparecen? Hay pares de variables que tienden a tener valores perdidos en varios casos? Son los valores de los datos extremos? Estn los valores perdidos de forma aleatoria? Estimar las medias, desviaciones tpicas, covarianzas y correlaciones para los diferentes mtodos de valores perdidos: por lista, por parejas, regresin o EM (maximizacin esperada). El mtodo por parejas muestra, adems, recuentos de los casos completos por parejas. Rellena (imputa) los valores perdidos con valores estimados utilizando el mtodo EM o el de regresin; sin embargo, por lo general se considera que la imputacin mltiple proporciona resultados ms precisos.
El anlisis de valores perdidos ayuda a resolver varios problemas ocasionados por los datos incompletos. Si los casos con valores perdidos son sistemticamente diferentes de los casos sin valores perdidos, los resultados pueden ser equvocos. Adems, los datos perdidos pueden reducir la precisin de los estadsticos calculados, porque no se dispone de tanta informacin como originalmente se pensaba. Otro problema radica en que los supuestos subyacentes a muchos procedimientos estadsticos se basan en casos completos y los valores perdidos pueden complicar la teora exigida.
Ejemplo. En la evaluacin de un tratamiento contra la leucemia se miden diversas variables. Sin embargo, no todas las medidas se encuentran disponibles para todos los pacientes. Los patrones de los datos perdidos se inspeccionan, se tabulan y se consideran aleatorios. Se utiliza un anlisis EM para estimar las medias, las correlaciones y las covarianzas. Tambin se utiliza para determinar que los datos estn perdidos completamente al azar. A continuacin, los valores perdidos se reemplazan por los valores imputados y se guardan en un nuevo archivo de datos para anlisis posteriores. Estadsticos. Estadsticos univariados, incluido el nmero de valores no perdidos, media,
desviacin tpica, nmero de valores perdidos y nmero de valores extremos. Medias estimadas, matriz de covarianza y matriz de correlaciones, utilizando los mtodos de regresin, EM, por lista o por parejas. Prueba MCAR de Little con resultados EM. Resumen de medias a travs de varios mtodos. Para los grupos denidos por valores perdidos frente a valores no perdidos: pruebas t. Para todas las variables: los patrones de valores perdidos representados como casos respecto a variables.
3 Anlisis de valores perdidos
Consideraciones sobre los datos Datos. Los datos pueden ser categricos o cuantitativos (de escala o continuos). Sin embargo, puede estimar los estadsticos e imputar los datos perdidos nicamente en el caso de variables cuantitativas. Para cada variable, los valores perdidos que no estn codicados como valores perdidos del sistema deben denirse como valores denidos como perdidos por el usuario. Por ejemplo, si un elemento del cuestionario tiene la respuesta No sabe codicada como 5 y desea tratarlo como valor perdido, el elemento debera tener el 5 codicado como valor denido como perdido por el usuario. Supuestos. La estimacin por lista, por parejas y mediante regresin depende del supuesto de que el patrn de valores perdidos no depende de los valores de los datos (esta condicin se conoce como perdidos completamente al azar o MCAR). (Esta condicin se conoce como perdida completamente al azar o MCAR). Por tanto, todos los mtodos (incluido el mtodo EM) de estimacin ofrecen estimaciones coherentes y no sesgadas de las correlaciones y las covarianzas cuando los datos son MCAR. El incumplimiento del supuesto MCAR puede dar lugar a estimaciones sesgadas producidas por los mtodos de regresin, por lista o por parejas. Si los datos no son MCAR, es necesario utilizar la estimacin EM.
La estimacin EM depende del supuesto de que el patrn de los datos perdidos est relacionado nicamente con los datos observados. (Esta condicin se denomina perdidos al azar o MAR.) Este supuesto permite ajustar las estimaciones utilizando la informacin disponible. Por ejemplo, en un estudio sobre la educacin y los ingresos, los sujetos con un menor nivel educativo pueden tener ms valores perdidos de ingresos. En este caso, los datos son MAR, no MCAR. Es decir, para MAR, la probabilidad de que se registren los ingresos depende del nivel educativo del sujeto. La probabilidad puede variar segn el nivel educativo pero no segn los ingresos dentro de ese nivel educativo. Si la probabilidad de que se registre el ingreso tambin depende del valor de los ingresos dentro de cada nivel educativo (por ejemplo, las personas con ingresos elevados no los declara), los datos no sern ni MCAR ni MAR. Se trata de una situacin poco habitual y, si se produce, no hay ningn mtodo adecuado.
Procedimientos relacionados. Muchos procedimientos permiten utilizar la estimacin por lista o
por parejas. Regresin lineal y Anlisis factorial permiten reemplazar los valores perdidos por los valores de las medias. El mdulo adicional Tendencias ofrece varios mtodos para reemplazar los valores perdidos en las series temporales.
Para obtener un anlisis de valores perdidos
E Elija en los mens: Analizar Anlisis de valores perdidos...
4 Captulo 2 Figura 2-1 Cuadro de dilogo Anlisis de valores perdidos
E Seleccione al menos una variable cuantitativa (de escala) para estimar los estadsticos y, si lo
desea, imputar los valores perdidos. Si lo desea, puede:

Seleccionar variables categricas (numricas o de cadena) y establecer un lmite para el nmero de categoras (N. mximo de categoras). Pulse en Patrones para tabular los patrones de los datos perdidos. Si desea obtener ms informacin, consulte Visualizacin de los patrones de los valores perdidos el p. 5. Pulse en Descriptivos para mostrar los estadsticos descriptivos de los valores perdidos. Si desea obtener ms informacin, consulte Visualizacin de los estadsticos descriptivos de los valores perdidos el p. 7. Seleccione un mtodo para estimar los estadsticos (medias, covarianzas y correlaciones) y posiblemente imputar los valores perdidos. Si desea obtener ms informacin, consulte Estimacin de los estadsticos e imputacin de los valores perdidos el p. 8. Si selecciona EM o Regresin, pulsar en Variables para especicar el subconjunto que se va a utilizar para la estimacin. Si desea obtener ms informacin, consulte Variables pronosticadas y predictoras el p. 12. Seleccione una variable de etiqueta de caso. Esta variable se utiliza para etiquetar los casos en las tablas de patrones que muestran los casos individuales.
Visualizacin de los patrones de los valores perdidos

Figura 2-2 Cuadro de dilogo Anlisis de valores perdidos: Patrones
Si lo desea, puede consultar varias tablas que muestran los patrones y el impacto de los datos perdidos. Estas tablas pueden ayudarle a identicar:

Dnde se encuentran los valores perdidos Si hay pares de variables que tienden a tener valores perdidos en casos individuales Si los valores de los datos son extremos
Mostrar
Hay tres tipos de tablas disponibles para ver los patrones de los datos perdidos.
Casos tabulados. Se tabulan los patrones de los valores perdidos en las variables de anlisis y se muestran las frecuencias de cada patrn. Utilice Ordenar variables segn patrn de valores perdidos para especicar si los recuentos y las variables se ordenan segn la similaridad de los patrones. Utilice Omitir patrones con menos del n % de los casos para eliminar los patrones que aparecen con poca frecuencia. Casos con valores perdidos. Cada caso con un valor perdido o extremo se tabula para cada variable
de anlisis. Utilice Ordenar variables segn patrn de valores perdidos para especicar si los recuentos y las variables se ordenan segn la similaridad de los patrones.
6 Captulo 2
Todos los casos. Se tabula cada caso y se indican los valores perdidos y extremos para cada variable. Los casos se enumeran en el orden en que aparecen en el archivo de datos, a menos que se especique una variable en Ordenar por.
En las tablas que muestran los casos individuales, se utilizan los siguientes smbolos:
+ S A B C Valor extremadamente alto Valor extremadamente bajo Valor perdido del sistema Primer tipo de valor denido como perdido por el usuario Segundo tipo de valor denido como perdido por el usuario Tercer tipo de valor denido como perdido por el usuario
Variables
Puede mostrar informacin adicional acerca de las variables que se incluyen en el anlisis. Las variables que se aadan a Informacin adicional acerca de aparecern individualmente en la tabla de patrones perdidos. Para las variables cuantitativas (de escala), se muestra la media; para las variables categricas, se muestra el nmero de casos que presentan el patrn en cada categora.
Ordenar por. Los casos se listan segn el orden ascendente o descendente de los valores de la
variable especicada. Esta opcin est disponible slo si se selecciona Todos los casos.
Para mostrar los patrones de los valores perdidos
E En el cuadro de dilogo principal Anlisis de valores perdidos, seleccione las variables cuyos
patrones de valores perdidos desea ver.

E Pulse en Patrones. E Seleccione las tablas de patrones que desea ver.
Visualizacin de los estadsticos descriptivos de los valores perdidos

Figura 2-3 Cuadro de dilogo Anlisis de valores perdidos: Descriptivos
Estadsticos univariantes
Los estadsticos univariados pueden ayudarle a identicar el impacto general de los datos perdidos. Para cada variable, se muestran los siguientes datos:

Nmero de valores no perdidos Nmero y porcentaje de valores perdidos
Para las variables cuantitativas (de escala), tambin se muestran los siguientes datos:

Media Desviacin tpica Nmero de valores extremadamente altos o bajos
Estadsticos para las variables de indicador
Para cada variable, se crea una variable de indicador. Esta variable categrica indica si la variable est presente o perdida en un determinado caso. Las variables de indicador se utilizan para crear la discordancia, la prueba t y las tablas de frecuencia.
Porcentaje de discordancia. Para cada par de variables muestra el porcentaje de casos en los que
una variable tiene un valor perdido y la otra variable tiene un valor no perdido. Cada elemento diagonal de la tabla contiene el porcentaje de valores perdidos para una sola variable.
Pruebas t con los grupos formados por las variables de indicador. Se comparan las medias de los
dos grupos para cada variable cuantitativa, utilizando el estadstico t de Student. Los grupos especican si una variable est presente o perdida. Se muestra el estadstico t, los grados de libertad, los recuentos de valores perdidos y no perdidos y las medias de los dos grupos. Tambin se pueden mostrar todas las probabilidades bilaterales asociadas con el estadstico t. Si el anlisis genera ms de una prueba, no utilice estas probabilidades para contrastar la signicacin. Estas probabilidades slo son adecuadas cuando se calcula una nica prueba.
8 Captulo 2
Tablas de contingencia de variables categricas y de indicador. Para cada variable categrica se
muestra una tabla. Para cada categora, la tabla muestra la frecuencia y el porcentaje de los valores no perdidos para las dems variables. Tambin se muestran los porcentajes de cada tipo de valor perdido.
Omitir variables con menos valores perdidos que el n % de los casos. Para reducir el tamao de la
tabla puede omitir los estadsticos que se calculen slo para un pequeo nmero de casos.
Para mostrar los estadsticos descriptivos
estadsticos descriptivos de los valores perdidos desea ver.

E Pulse en Descriptivos. E Elija los estadsticos descriptivos que desea que aparezcan.
Estimacin de los estadsticos e imputacin de los valores perdidos

Puede elegir que se estimen las medias, desviaciones tpicas, covarianzas y correlaciones utilizando un mtodo por lista (slo casos completos), por parejas, EM (maximizacin esperada) y/o de regresin. Tambin puede elegir imputar los valores perdidos (estimar los valores de sustitucin). Tenga en cuenta que por lo general la Imputacin mltiple suele considerarse superior a la imputacin individual para solucionar el problema de los valores perdidos. La prueba MCAR de Little sigue siendo til para determinar si la imputacin es necesaria.
Mtodo por lista
Este mtodo nicamente utiliza los casos completos. Si alguna de las variables de anlisis tiene valores perdidos, se omite dicho caso de los clculos.
Mtodo por parejas
Este mtodo examina las parejas de variables del anlisis y utiliza un caso nicamente si tiene valores no perdidos para ambas variables. Las frecuencias, medias y desviaciones tpicas se calculan por separado para cada pareja. Como se ignoran los dems valores perdidos del caso, las correlaciones y las covarianzas de las dos variables no dependen de los valores perdidos de ninguna otra variable.
Mtodo EM
Este mtodo supone que los datos parcialmente perdidos siguen una distribucin determinada y basa las inferencias en la probabilidad segn dicha distribucin. Cada iteracin se compone de un paso E y un paso M. El paso E determina la esperanza condicional de los datos perdidos, teniendo en cuenta los valores observados y las estimaciones actuales de los parmetros. A continuacin, se sustituyen estas esperanzas por los datos perdidos. En el paso M, se calculan las estimaciones de mxima verosimilitud de los parmetros como si se hubieran rellenado los
datos perdidos. Se especica perdidos entre comillas ya que los valores perdidos no se rellenan directamente, sino que en su lugar se utilizan funciones de ellos en el log verosimilitud. El estadstico de chi cuadrado de Roderick J. A. Little para contrastar si los valores estn perdidos completamente al azar (MCAR) se imprime como nota al pie de las matrices de EM. Para este contraste, la hiptesis nula es que los datos estn perdidos completamente al azar y el valor p es signicativo al nivel 0,05. Si el valor es inferior a 0,05, los datos no estn perdidos completamente al azar. Los datos pueden estar perdidos al azar (MAR) o no perdidos al azar (NMAR). No se puede suponer la situacin en la que se encuentran los datos perdidos, por lo que es necesario analizar los datos para determinar de qu manera estn perdidos.
Mtodo de regresin
Este mtodo calcula las estimaciones de regresin lineal mltiple y ofrece opciones que permiten incrementar las estimaciones con componentes aleatorios. Para cada valor pronosticado, el procedimiento puede aadir un residuo de un caso completo seleccionado de manera aleatoria, una desviacin normal aleatoria o una desviacin aleatoria (escalada por la raz cuadrada del residuo cuadrtico promedio) de la distribucin t.
Opciones de estimacin EM
Figura 2-4 Cuadro de dilogo Anlisis de valores perdidos: EM
Utilizando un proceso iterativo, el mtodo EM estima las medias, la matriz de covarianzas y la correlacin de las variables cuantitativas (de escala) con los valores perdidos.
Distribucin. EM realiza las inferencias basndose en la verosimilitud segn la distribucin especicada. Por defecto, se supone una distribucin normal. Si sabe que las colas de la distribucin son ms largas que las de una distribucin normal, puede solicitar que el procedimiento construya la funcin de verosimilitud a partir de una distribucin t de Student con n
10 Captulo 2
grados de libertad. La distribucin normal mixta tambin proporciona una distribucin con colas ms largas. Especique la razn de las desviaciones tpicas de la distribucin normal mixta y la proporcin de mezcla de las dos distribuciones. La distribucin normal mixta supone que nicamente dieren las desviaciones tpicas de las distribuciones. Las medias deben ser iguales.
Iteraciones mximas. Establece el nmero mximo de iteraciones para estimar la covarianza
autntica. El procedimiento se detiene cuando se alcanza el nmero de iteraciones, incluso si no han convergido las estimaciones.
Guardar datos completados. Puede guardar un conjunto de datos con los valores imputados en
el lugar de los valores perdidos. No obstante, tenga en cuenta que los estadsticos basados en la covarianza que utilicen los valores imputados estimarn valores de los parmetros menores que los reales. El grado en que esta estimacin es inferior a la real es proporcional al nmero de casos que no se observaron conjuntamente.
Para especificar las opciones de EM
valores perdidos desea estimar utilizando el mtodo EM.

E Seleccione EM en el grupo Estimacin. E Para especicar las variables predictoras y pronosticadas, pulse en Variables. Si desea obtener ms
informacin, consulte Variables pronosticadas y predictoras el p. 12.

E Pulse en EM. E Seleccione las opciones de EM que desee.
Opciones de estimacin de regresin

Figura 2-5 Cuadro de dilogo Anlisis de valores perdidos: Regresin
El mtodo de regresin estima los valores perdidos utilizando la regresin lineal mltiple. Se muestran las medias, la matriz de covarianza y la matriz de correlaciones de las variables pronosticadas.
Correccin de la estimacin. El mtodo de regresin puede aadir un componente aleatorio a las
estimaciones de regresin. Puede seleccionar residuos, variantes normales, variantes t de Student o sin correccin.

Residuo. Los trminos de error se eligen al azar de entre los residuos observados en los casos
completos, para aadirlos a las estimaciones de regresin.

Variantes normales. Los trminos de error se escogen al azar de una distribucin con valor
esperado 0 y desviacin tpica igual a la raz cuadrada del termino error cuadrtico medio de la regresin.
Variantes de Student. Los trminos de error se escogen al azar de una distribucin t con los
grados de libertad especicados y se escalan segn la raz del error cuadrtico medio (RMSE).
Nmero mximo de predictores. Establece un lmite mximo para el nmero de variables
predictoras (independientes) utilizadas en el proceso de estimacin.

Guardar datos completados. Escribe un conjunto de datos en la sesin actual o en un archivo de
datos externo con formato SPSS Statistics, reemplazando los valores perdidos por los valores estimados mediante el mtodo de regresin.
Para especificar las opciones de regresin
valores perdidos desea estimar utilizando el mtodo de regresin.

E Seleccione Regresin en el grupo Estimacin. E Para especicar las variables predictoras y pronosticadas, pulse en Variables. Si desea obtener ms
informacin, consulte Variables pronosticadas y predictoras el p. 12.

E Pulse en Regresin. E Seleccione las opciones de regresin deseadas.
12 Captulo 2
Variables pronosticadas y predictoras

Figura 2-6 Cuadro de dilogo Anlisis de valores perdidos: Variables para estimaciones de regresin y EM
Por defecto, se utilizan todas las variables cuantitativas para la estimacin de regresin y EM. Si es necesario, puede especicar que determinadas variables se utilicen como variables pronosticadas o variables predictoras en las estimaciones. Una determinada variable puede aparecer en ambas listas, pero hay situaciones en las que quiz quiera restringir el uso de una variable. Por ejemplo, a algunos analistas no les resulta cmodo estimar los valores de las variables de resultados. Tambin es posible que quiera utilizar variables diferentes en estimaciones distintas y ejecutar el procedimiento varias veces. Por ejemplo, si tiene un conjunto de elementos que son valoraciones de enfermeras y otro conjunto que son valoraciones de mdicos, tal vez quiera ejecutar el procedimiento una vez utilizando el elemento de las enfermeras para estimar los elementos de las enfermeras y otra vez para estimar los elementos de los mdicos. Tambin hay que hacer otra consideracin al utilizar el mtodo de regresin. En la regresin mltiple, el uso de un subconjunto grande de variables independientes puede generar valores pronosticados de peor calidad que los que generara un subconjunto ms pequeo. Por tanto, para que se utilice una variable, debe alcanzar un lmite de F para entrar de 4,0. Este lmite se puede cambiar utilizando la sintaxis.
Para especificar las variables pronosticadas y predictoras
valores perdidos desea estimar utilizando el mtodo de regresin.

E Seleccione EM o Regresin en el grupo Estimacin.
13 Anlisis de valores perdidos E Pulse en Variables. E Si desea utilizar determinadas variables, en vez de todas, como variables pronosticadas y variables predictoras, elija Seleccionar variables y mueva las variables a las listas adecuadas.
Funciones adicionales del comando MVA

Con el lenguaje de sintaxis de comandos tambin podr:
Especicar distintas variables descriptivas para los patrones de valores perdidos, los patrones de los datos y los patrones tabulados, mediante la palabra clave DESCRIBE en los subcomandos MPATTERN, DPATTERN o TPATTERN. Especicar ms de una variable de ordenacin para la tabla de patrones de los datos, utilizando el subcomando DPATTERN. Especicar ms de una variable de ordenacin para los patrones de los datos, utilizando el subcomando DPATTERN. Especicar la tolerancia y la convergencia mediante el subcomando EM. Especique la tolerancia y la F para entrar mediante el subcomando REGRESSION. Especicar diferentes listas de variables para EM y para Regresin, con los subcomandos EM y REGRESSION. Especicar diferentes porcentajes para suprimir los casos mostrados para TTESTS, TABULATE y MISMATCH.

Si desea informacin detallada sobre la sintaxis, consulte la referencia de sintaxis de comandos (Command Syntax Reference).
Captulo
Imputacin mltiple
El objetivo de la imputacin mltiple es generar valores posibles para los valores perdidos, creando as varios conjuntos de datos completos. Los procedimientos analticos que trabajan con conjuntos de datos de imputacin mltiple producen resultados para cada conjunto de datos completo, adems de resultados combinados que estiman cules habran sido los resultados si el conjunto de datos original no tuviera valores perdidos. Estos resultados combinados suelen ser ms precisos que los proporcionados por mtodos de imputacin individual.
Variables de anlisis. Las variables de anlisis pueden ser:
Nominal. Una variable se puede tratar como nominal si sus valores representan categoras que
no obedecen a una ordenacin intrnseca (por ejemplo, el departamento de la empresa en el que trabaja un empleado). Algunos ejemplos de variables nominales son: regin, cdigo postal o confesin religiosa.
Ordinal. Una variable puede tratarse como ordinal cuando sus valores representan categoras
con alguna ordenacin intrnseca (por ejemplo, los niveles de satisfaccin con un servicio, que vayan desde muy insatisfecho hasta muy satisfecho). Entre los ejemplos de variables ordinales se incluyen escalas de actitud que representan el grado de satisfaccin o conanza y las puntuaciones de evaluacin de las preferencias.
Escala. Una variable puede ser tratada como escala cuando sus valores representan categoras
ordenadas con una mtrica con signicado, por lo que son adecuadas las comparaciones de distancia entre valores. Son ejemplos de variables de escala: la edad en aos y los ingresos en dlares. El procedimiento supone que se ha asignado el nivel de medida adecuado a todas las variables. No obstante, puede cambiar temporalmente el nivel de medida para una variable pulsando con el botn derecho en la variable en la lista de variables de origen y seleccionar un nivel de medida en el men contextual. Un icono situado junto a cada variable de la lista de variables identica el nivel de medida y el tipo de datos.
Nivel de medida Numrico Escala Cadena n/a Tipo de datos Fecha Tiempo
14
15 Imputacin mltiple
Ordinal Nominal
Ponderaciones de frecuencia. Este procedimiento respeta las ponderaciones de frecuencia (replicacin). Los casos de ponderaciones con valor negativo o cero de replicacin se ignoran. Las ponderaciones no enteras se redondean al nmero entero ms cercano. Ponderaciones de anlisis. Las ponderaciones de anlisis (regresin o muestreo) se incorporan en resmenes de valores perdidos y en modelos de imputacin que se ajusten. Los casos de ponderaciones de anlisis con valor negativo o cero se excluirn. Muestras complejas. El procedimiento de Imputacin mltiple no trata explcitamente los estratos,
agrupaciones u otras estructuras de muestreo complejas, aunque puede aceptar ponderaciones de muestreo nales en la forma del anlisis de la variable de ponderacin. Tenga tambin en cuenta que los procedimientos de muestreos complejos actualmente no analizan de forma automtica varios conjuntos de datos imputados. Para obtener una lista completa de procedimientos que admiten la combinacin, consulte Anlisis de datos de imputacin mltiple el p. 28.
Valores perdidos. Los valores perdidos tanto por el usuario como por el sistema se consideran
valores no vlidos; es decir, ambos tipos de valores perdidos se sustituyen cuando se imputan los valores y los dos se consideran valores no vlidos de variables utilizadas como predictores de modelos de imputacin. Los valores perdidos por el usuario y por el sistema tambin se consideran perdidos en los anlisis de valores perdidos.
Replicacin de los resultados (Imputar valores perdidos). Si desea replicar exactamente los
resultados de imputacin, utilice el mismo valor de inicializacin para el generador de nmeros aleatorios, el mismo orden de datos y el mismo orden de variables, adems de utilizar la misma conguracin del procedimiento.
Generacin de nmeros aleatorios. El procedimiento utiliza la generacin de nmeros
aleatorios durante el clculo de valores imputados. Para reproducir los mismos resultados aleatorios en el futuro, utilice el mismo valor de inicializacin para el generador de nmeros aleatorios antes de cada ejecucin del procedimiento Imputar valores perdidos.

Orden de casos. Los valores se imputan en el orden de casos. Orden de las variables. El mtodo de imputacin de especicacin totalmente condicional
imputa los valores en el orden especicado en la lista Variables de anlisis. Existen dos cuadros de dilogo dedicados a la imputacin mltiple.

Analizar patrones proporciona medidas descriptivas de los patrones de valores perdidos en los datos y puede resultar til como paso exploratorio antes de la imputacin. Imputar valores perdidos se utiliza para generar imputaciones mltiples. Los conjuntos de datos completos pueden analizarse con procedimientos que admiten conjuntos de datos de imputacin mltiple. Consulte Anlisis de datos de imputacin mltiple el p. 28 para obtener informacin sobre el anlisis de conjuntos de datos de imputacin mltiple y una lista de procedimientos que admiten estos datos.
16 Captulo 3
Analizar patrones
Analizar patrones proporciona medidas descriptivas de los patrones de valores perdidos en los datos y puede resultar til como paso exploratorio antes de la imputacin. Es un procedimiento de Imputacin mltiple.
Ejemplo. Un proveedor de telecomunicaciones desea comprender mejor los patrones de uso de
servicio en su base de datos de clientes. Tienen datos completos de los servicios utilizados por sus clientes, pero la informacin demogrca recopilada por la empresa tiene diferentes valores perdidos. El anlisis de patrones de valores perdidos puede ayudar a determinar los siguientes pasos que se imputarn. Si desea obtener ms informacin, consulte Uso de imputacin mltiple para completar y analizar un conjunto de datos en Captulo 5 el p. 49.
Para analizar patrones de datos perdidos
Elija en los mens:

Analizar Imputacin mltiple Analizar patrones... Figura 3-1 Cuadro de dilogo Analizar patrones
E Seleccione al menos dos variables de anlisis. El procedimiento analiza patrones de datos
perdidos en estas variables.
Configuracin opcional Ponderaciones de anlisis. Esta variable contiene ponderaciones de anlisis (regresin o muestreo). El procedimiento incorpora ponderaciones de anlisis en resmenes de valores perdidos. Los casos de ponderaciones de anlisis con valor negativo o cero se excluirn. Resultados. Los siguientes resultados opcionales estn disponibles:
Resumen de valores perdidos. Esto muestra un grco de sectores con paneles que indica el
nmero y el porcentaje de variables de anlisis, casos o datos individuales que tengan uno o ms valores perdidos.
Patrones de valores perdidos. Esto muestra patrones tabulados de valores perdidos. Cada
patrn se corresponde con un grupo de casos con el mismo patrn de datos completos e incompletos sobre variables de anlisis. Puede utilizar este resultado para determinar si puede utilizar el mtodo de imputacin monotnica para sus datos o, si no, en qu medida se aproximan sus datos a un patrn monotnico. El procedimiento ordena las variables de anlisis para revelar o aproximarse a un patrn monotnico. Si no hay patrones que no sean monotnicos despus de la reordenacin, puede llegar a la conclusin de que los datos tienen un patrn monotnico cuando las variables de anlisis se ordenan de tal forma.
Variables con la mayor frecuencia de valores perdidos. Esto muestra una tabla de variables de
anlisis ordenadas por el porcentaje de valores perdidos en orden descendente. La tabla incluye estadsticos descriptivos (media y desviacin tpica) para variables de escala. Puede controlar el nmero mximo de variables que se mostrar y el porcentaje de ausencia mnimo de una variable para que se incluya en la visualizacin. Se muestra el conjunto de variables que cumplen ambos criterios. Por ejemplo, si establece el nmero mximo de variables como 50 y el porcentaje de ausencia mnimo como 25, har que la tabla muestre un mximo de 50 variables que tengan un mnimo del 25 % de valores perdidos. Si hay 60 variables de anlisis pero slo 15 tienen un porcentaje igual o mayor al 25 % de valores perdidos, el resultado slo incluir 15 variables.
Imputar valores perdidos

Imputar valores perdidos se utiliza para generar imputaciones mltiples. Los conjuntos de datos completos pueden analizarse con procedimientos que admiten conjuntos de datos de imputacin mltiple. Consulte Anlisis de datos de imputacin mltiple el p. 28 para obtener informacin sobre el anlisis de conjuntos de datos de imputacin mltiple y una lista de procedimientos que admiten estos datos.Es un procedimiento de Imputacin mltiple.
Ejemplo. Un proveedor de telecomunicaciones desea comprender mejor los patrones de uso de
servicio en su base de datos de clientes. Tienen datos completos de los servicios utilizados por sus clientes, pero la informacin demogrca recopilada por la empresa tiene diferentes valores perdidos. Adems, estos valores no estn perdidos de forma aleatoria, por lo que se utilizar la imputacin mltiple para completar el conjunto de datos. Si desea obtener ms informacin, consulte Uso de imputacin mltiple para completar y analizar un conjunto de datos en Captulo 5 el p. 49.
18 Captulo 3
Para imputar valores perdidos
Elija en los mens:

Analizar Imputacin mltiple Imputar valores perdidos... Figura 3-2 Pestaa Variables, Imputar valores perdidos
E Elija al menos dos variables en el modelo de imputacin. El procedimiento imputa valores
mltiples para los datos perdidos de estas variables.

E Especique el nmero de imputaciones que deben calcularse. Este valor es 5 por defecto. E Especique un conjunto de datos o archivo de datos con formato SPSS Statistics en el que
se escribirn los datos imputados. El conjunto de datos de salida consiste en los datos de casos originales con datos perdidos ms un conjunto de casos con valores imputados para cada imputacin. Por ejemplo, si el conjunto de datos original tiene 100 casos y usted tiene cinco imputaciones, el conjunto de datos de salida contendr 600 casos. Todas las variables del conjunto de datos de entrada se incluyen en el conjunto de datos de salida. Las propiedades de diccionario (nombres, etiquetas, etc.) de las
variables existentes se copian en el nuevo conjunto de datos. El archivo tambin contiene una nueva variable, Imputation_, una variable numrica que indica la imputacin (0 para datos originales o 1..n para casos con valores imputados). El procedimiento dene automticamente la variable Imputation_ como una variable de segmentacin cuando se crea el conjunto de datos de salida. Si las divisiones estn activadas cuando se ejecuta el procedimiento, el conjunto de datos de salida incluye un conjunto de imputaciones por cada combinacin de valores de variables de segmentacin.
Configuracin opcional Ponderaciones de anlisis. Esta variable contiene ponderaciones de anlisis (regresin o muestreo). El procedimiento incorpora ponderaciones de anlisis en modelos de regresin y clasicacin utilizados para imputar valores perdidos. Las ponderaciones de anlisis tambin se utilizan en resmenes de valores imputados; por ejemplo, media, desviacin tpica y error tpico. Los casos de ponderaciones de anlisis con valor negativo o cero se excluirn.
Mtodo
Figura 3-3 Pestaa Mtodo, Imputar valores perdidos
20 Captulo 3
La pestaa Mtodo especica la forma en la que se imputarn los valores perdidos, incluidos los tipos de modelos utilizados. Los predictores categricos estn codicados con indicadores (dummy).
Mtodo de imputacin. El mtodo Automtico explora los datos y utiliza el mtodo monotnico
si los datos muestran un patrn monotnico de valores perdidos; de lo contrario, se utiliza la especicacin totalmente condicional. Si est seguro de qu mtodo desea utilizar, puede especicarlo como un mtodo Personalizado.
Especificacin totalmente condicional. ste es un mtodo de Monte Carlo y cadenas de
Markov (MCMC) iterativo que puede utilizarse cuando el patrn de datos perdidos es arbitrario (monotnico o no monotnico). El mtodo de especicacin totalmente condicional (FCS) ajusta un modelo univariante (variable dependiente simple) para cada iteracin y variable en el orden especicado en la lista de variables utilizando como predictores todas las dems variables disponibles en el modelo para luego imputar los valores perdidos de las variables que se estn ajustando. El mtodo continua hasta que se alcanza el nmero mximo de iteraciones y los valores imputados en la mxima iteracin se guardan en el conjunto de datos imputado.
Iteraciones mximas. Esto especica el nmero de iteraciones, o pasos, realizadas por la
cadena de Markov utilizada por el mtodo de especicacin totalmente condicional. Si el mtodo de especicacin totalmente condicional se seleccion automticamente, utilizar el nmero predeterminado de 10 iteraciones. Cuando selecciona la especicacin totalmente condicional de manera explcita, puede especicar un nmero personalizado de iteraciones. Puede que deba aumentar el nmero de iteraciones si la cadena de Markov no ha convergido. En la pestaa Resultados, puede guardar los datos de historial de iteraciones de especicacin totalmente condicional y realizar un grco de los mismos para evaluar la convergencia.
Monotnico. ste es un mtodo no iterativo que slo puede utilizarse cuando los datos tienen
un patrn monotnico de valores perdidos. Existe un patrn monotnico cuando puede ordenar las variables de tal forma que, si una variable tiene un valor no perdidos, todas las variables precedentes tambin tienen valores no perdidos. Al especicar que se trata de un mtodo Personalizado, asegrese de especicar las variables en la lista y ordenar que muestre un patrn monotnico. El mtodo monotnico ajusta un modelo univariante (variable dependiente simple) para cada variable del orden monotnico utilizando como predictores todas las variables anteriores, para luego imputar los valores perdidos de las variables que se estn ajustando. Estos valores imputados se guardan en el conjunto de datos imputado.
Incluir interacciones dobles. Cuando el mtodo de imputacin se selecciona automticamente, el
modelo de imputacin de cada variable incluye un trmino constante y los efectos principales de las variables predictoras. Al seleccionar un mtodo especco, puede incluir opcionalmente todas las interacciones dobles posibles entre las variables predictoras categricas.
Tipo de modelo para variables de escala. Cuando el mtodo de imputacin se selecciona
automticamente, la regresin lineal se utiliza como modelo univariante para variables de escala. Al seleccionar un mtodo especco, tambin puede seleccionar alternativamente equivalencia de media predictiva como modelo para variables de escala. La equivalencia de media predictiva es
una variante de la regresin lineal que iguala los valores imputados calculados por el modelo de regresin con el valor observado ms cercano. La regresin logstica siempre se utiliza como modelo univariante para variables categricas. Los predictores categricos estn codicados con indicadores (dummy), independientemente del tipo de modelo.
Tolerancia para la singularidad. Las matrices singulares (que no se pueden invertir) tienen columnas linealmente dependientes, lo que causar graves problemas al algoritmo de estimacin. Incluso las matrices casi singulares pueden generar resultados decientes, por lo que el procedimiento tratar una matriz cuyo determinante es menor que la tolerancia como singular. Especique un valor positivo.
Restricciones
Figura 3-4 Pestaa Restricciones, Imputar valores perdidos
La pestaa Restricciones le permite restringir el papel de una variable durante la imputacin y restringir el rango de valores imputados de una variable de escala de modo que sean convincentes. Adems, puede restringir el anlisis a variables con menos de un porcentaje mximo de valores perdidos.
22 Captulo 3
Exploracin de datos para resumen de variables. Al pulsar en Explorar datos la lista muestra variables de anlisis y el porcentaje observado de ausencia, mnimo y mximo para cada una. Los resmenes pueden basarse en todos los casos o limitarse a una exploracin de los primeros n casos, como aparece especicado en el cuadro de texto Casos. Puede actualizar los resmenes de distribucin al pulsar en Volver a explorar datos. Defina las restricciones
Papel. Esto le permite personalizar el conjunto de variables que deben imputarse y/o tratarse
como predictores. Normalmente, cada variable de anlisis se considera tanto dependiente como predictora en el modelo de imputacin. El Papel puede utilizarse para desactivar la imputacin de variables que desee Utilizar slo como predictor o para excluir el uso de variables como predictores (Slo imputar) y, por lo tanto, hacer que el modelo de prediccin sea ms compacto. sta es la nica restriccin que puede especicarse para variables categricas o para variables que se utilizan slo como predictores.
Mn. y Mx. Estas columnas le permiten especicar los valores mnimos y mximos imputados
que se permiten para las variables de escala. Si un valor imputado se sale del rango, el procedimiento extrae otro valor hasta que encuentra uno dentro del rango o se alcanza al nmero mximo de extracciones (consulte Mximo de extracciones a continuacin). Estas columnas slo estn disponibles si se selecciona Regresin lineal como el tipo de modelo de variable de escala en la pestaa Mtodo.
Redondeo. Algunas variables se pueden utilizar como escala, pero tienen valores que estn
restringidos de forma natural, por ejemplo, el nmero de miembros de una familia deben ser un nmero entero y la cantidad gastada durante una visita a una tienda de alimentacin no puede tener decimales. Esta columna le permite especicar la menor denominacin que se puede aceptar. Por ejemplo, para obtener valores enteros, especique 1 como la denominacin de redondeo; para obtener valores redondeados hacia el decimal siguiente, especique 0,01. En general, los valores se redondean hacia el mltiplo entero ms cercano a la denominacin de redondeo. La siguiente tabla muestra cmo actan los diferentes valores de redondeo sobre un valor imputado de 6.64823 (antes del redondeo).
Denominacin de redondeo 10 1 0.25 0.1 0.01 Valor al que se redondea 6,64832 10 7 6.75 6.6 6.65
Exclusin de variables con grandes cantidades de datos perdidos. Normalmente, las variables de anlisis se imputan y utilizan como predictores independientemente de cuntos valores perdidos tengan, siempre que tengan los sucientes datos para calcular un modelo de imputacin. Puede decidir excluir variables con un alto porcentaje de valores perdidos. Por ejemplo, si especica 50 como Porcentaje mximo de valores perdidos, las variables de anlisis con ms del 50 % de valores perdidos no se imputarn, ni se utilizarn como predictores en modelos de imputacin.
Mximo de extracciones. Si se especican valores mnimos o mximos para valores imputados de variables de escala (consulte Mn. y Mx. anteriormente), el procedimiento intentar extraer valores para un caso hasta que encuentre un conjunto de valores que se encuentren dentro de los rangos especicados. Si no se obtiene un conjunto de valores dentro del nmero especicado de extracciones por caso, el procedimiento extraer otro conjunto de parmetros de modelo y repetir el proceso de extraccin de casos. Se producir un error si no se obtiene un conjunto de valores que se halle entre los rangos dentro del nmero especicado de extracciones de casos y parmetros.
Tenga en cuenta que el incremento de estos valores puede incrementar el tiempo de procesamiento. Si el procedimiento tarda demasiado tiempo o si no puede encontrar extracciones adecuadas, compruebe los valores mnimos y mximos especicados para asegurarse de que sean correctos.
Resultados
Figura 3-5 Pestaa Resultados, Imputar valores perdidos
Mostrar. Controla la visualizacin de resultados. Siempre se muestra un resumen de imputacin
general, que incluye tablas que relacionan las especicaciones de imputacin, iteraciones (para el mtodo de especicacin totalmente condicional), variables dependientes imputadas, variables dependientes excluidas de la imputacin y la secuencia de imputacin. Si se especica, tambin se muestran las restricciones para variables de anlisis.
24 Captulo 3
Modelo de imputacin. Esto muestra el modelo de imputacin para las variables dependientes
y los predictores e incluye el tipo de modelo univariante, efectos de modelo y el nmero de valores imputados.
Estadsticos descriptivos. Esto muestra estadsticos descriptivos para variables dependientes
para los que se imputan valores. En el caso de las variables de escala, los estadsticos descriptivos incluyen media, recuento, desviacin tpica, mn. y mx. de los datos de entrada originales (antes de la imputacin), valores imputados (mediante imputacin) y datos completos (valores originales e imputados juntos mediante imputacin). En el caso de las variables categricas, los estadsticos descriptivos incluyen recuento y porcentaje por categora de los datos de entrada originales (antes de la imputacin), valores imputados (mediante imputacin) y datos completos (valores originales e imputados juntos mediante imputacin).
Historial de iteraciones. Cuando se utiliza el mtodo de imputacin de especicacin totalmente condicional, puede solicitar un conjunto de datos que contenga datos del historial de iteraciones para la imputacin de especicacin totalmente condicional. El conjunto de datos contiene medias y desviaciones tpicas mediante iteracin e imputacin por cada variable dependiente de escala para la que se imputan valores. Puede realizar un grco de los datos para ayudar a evaluar la convergencia de modelo. Si desea obtener ms informacin, consulte Comprobacin de la convergencia de FCS en Captulo 5 el p. 68.
Funciones adicionales del comando MULTIPLE IMPUTATION

Con el lenguaje de sintaxis de comandos tambin podr:

Especicar un subconjunto de variables para los que se muestran estadsticos descriptivos (subcomando IMPUTATIONSUMMARIES). Especicar tanto un anlisis de patrones perdidos como la imputacin en una nica ejecucin del procedimiento. Especique el nmero mximo de parmetros de modelo permitido al imputar cualquier variable (palabra clave MAXMODELPARAM).
Si desea informacin detallada sobre la sintaxis, consulte la referencia de sintaxis de comandos (Command Syntax Reference).
Trabajo con datos de imputacin mltiple

Cuando se crea un conjunto de datos de imputacin mltiple, se aade una variable llamada, Imputation_ con etiqueta variable Nmero de imputacin, y el conjunto de datos se ordena segn el mismo en orden ascendente. Los casos del conjunto de datos original tienen el valor 0. Los casos de valores imputados se numeran del 1 al M, donde M es el nmero de imputaciones. Cuando abre un conjunto de datos, la presencia de Imputation_ identica el conjunto de datos como un posible conjunto de datos de imputacin mltiple.
Activacin de un conjunto de datos de imputacin mltiple para su anlisis
El conjunto de datos debe segmentarse utilizando la opcin Comparar los grupos, con Imputation_ como variable de agrupacin para que se considere un conjunto de datos de imputacin mltiple en los anlisis. Tambin puede denir segmentaciones en otras variables. Elija en los mens:
Datos Segmentar archivo... Figura 3-6 Cuadro de dilogo Segmentar archivo
E Seleccione Comparar los grupos. E Seleccione Nmero de imputacin [Imputation_] como variable en la que agrupar los casos.
Asimismo, cuando activa las marcas (consulte a continuacin), el archivo se segmenta en el Nmero de imputacin [Imputation_)].
Distincin entre valores imputados y valores observados
Puede distinguir entre los valores imputados y los observados segn el color de fondo de las casillas, la fuente y la negrita (en el caso de valores imputados). Para obtener ms detalles sobre qu marcas estn activadas, consulte Opciones de imputacin mltiple el p. 33. Cuando cree un conjunto de datos nuevo en la sesin actual con el procedimiento Imputar valores perdidos, las marcas se activan por defecto. Cuando abra un archivo de datos guardado que incluye imputaciones, las marcas se desactivan.
26 Captulo 3 Figura 3-7 Editor de datos con marcas de imputacin desactivadas
Para activar las marcas, elija en los mens:

Ver Marcar datos imputados... Figura 3-8 Editor de datos con marcas de imputacin activadas
Tambin puede activar las marcas pulsando el botn de activacin/desactivacin de marcas de imputacin situado en el borde derecho de la barra de edicin.
Desplazamiento entre imputaciones
E Elija en los mens: Edicin Ir a imputacin... E Seleccione la imputacin (o datos originales) en la lista desplegable.
27 Imputacin mltiple Figura 3-9 Cuadro de dilogo Ir a
Tambin puede seleccionar la imputacin en la lista desplegable de la barra de edicin.

Figura 3-10 Editor de datos con marcas de imputacin activadas
La posicin relativa de caso se mantiene al seleccionar imputaciones. Por ejemplo, si hay 1.000 casos en el conjunto de datos original, el caso 1.034, el 34 caso de la primera imputacin, aparece en la parte superior de la cuadrcula. Si selecciona la imputacin 2 en la lista desplegable, el caso 2034, el 34 caso de la segunda imputacin, aparecer en la parte superior de la cuadrcula. Si selecciona Datos originales en la lista desplegable, el caso 34 aparecer en la parte superior de la cuadrcula. La posicin de columna tambin se mantiene al desplazarse entre imputaciones, de modo que es fcil comparar valores entre imputaciones.
Transformacin y edicin de valores imputados
A veces deber realizar transformaciones en datos imputados. Por ejemplo, puede que desee tomar el registro de todos los valores de una variable de salario y guardar el resultado en una nueva variable. Un valor calculado mediante datos imputados se considerar imputado si diere del valor calculado utilizando los datos originales. Si edita un valor imputado en una casilla del Editor de datos, dicha casilla se seguir considerando imputada. No se recomienda editar valores imputados de esta forma.
28 Captulo 3
Anlisis de datos de imputacin mltiple

Muchos procedimientos admiten la combinacin de resultados a partir del anlisis de conjuntos de datos de imputacin mltiple. Cuando las marcas de imputacin estn activadas, aparece un icono especial junto a los procedimientos que admiten la combinacin. Por ejemplo, en el submen Estadsticos descriptivos del men Analizar, Frecuencias, Descriptivos, Explorar y Tablas de contingencia admiten la combinacin, mientras que Cociente, Grcos P-P y Grcos Q-Q no lo hacen.
Figura 3-11 Men Analizar con marcas de imputacin activadas
Tanto los resultados tabulares como el modelo PMML pueden combinarse. No hay ningn procedimiento nuevo para solicitar resultados combinados; en su lugar, una nueva pestaa del cuadro de dilogo Opciones le permite tener un control global sobre los resultados de imputacin mltiple.
Combinacin de resultados tabulares. De manera predeterminada, cuando ejecuta un
procedimiento compatible en un conjunto de datos de imputacin mltiple, se producen resultados automticamente para cada imputacin, los datos originales (no imputados) y los
resultados combinados (nales) que tienen en cuenta la variacin entre las imputaciones. Los estadsticos combinados varan segn el procedimiento.
Combinacin de PMML. Tambin puede obtener la combinacin de PMML a partir de
procedimientos compatibles que exporten PMML. El modelo PMML combinado se solicita de la misma forma que el no combinado y se guarda en su lugar. Los procedimientos incompatibles no producen resultados combinados ni archivos PMML combinados.
Niveles de combinacin
Los resultados se combinan utilizando uno de los dos niveles siguientes:

Combinacin Naive. Slo est disponible el parmetro combinado. Combinacin univariante. El parmetro combinado, su error tpico, el estadstico de contraste
y los grados de libertad ecaces, el valor p, el intervalo de conanza y los diagnsticos de combinacin (fraccin de informacin perdida, ecacia relativa, aumento relativo de la varianza) se mostrarn cuando estn disponibles. Los coecientes (regresin y correlacin), quieren decir (diferencias) y los recuentos se combinan tpicamente. Si el error tpico del estadstico est disponible, se utiliza la combinacin univariante; en caso contrario se utiliza la combinacin nave.
Procedimientos que admiten combinacin
Los siguientes procedimientos admiten conjuntos de datos de imputacin mltiple a los niveles de combinacin especicados para cada resultado. Frecuencias.

La tabla Estadsticos admite Medias en la combinacin Univariante y N vlido y N perdido en la combinacin Naive. La tabla Frecuencias admite Frecuencia y Porcentaje vlido en la combinacin Naive.
Descriptivos.
La tabla Estadsticos descriptivos admite Medias en la combinacin Univariante y Recuentos en la combinacin Naive.
Tablas de contingencia
La Tabla de contingencia admite Recuento, % dentro (variable) y % de total en la combinacin Naive.
Medias
La tabla Informe admite Media en la combinacin Univariante y N en la combinacin Naive.
Prueba T para una muestra
30 Captulo 3
La tabla Estadsticos admite Media en la combinacin Univariante y N en la combinacin Naive. La tabla Prueba admite Diferencia de medias en la combinacin Univariante.
Prueba T para muestras independientes

La tabla Estadsticos de grupo admite Medias en la combinacin Univariante y N en la combinacin Naive. La tabla Prueba admite Diferencia de medias en la combinacin Univariante.
Prueba T para muestras relacionadas

La tabla Estadsticos admite Medias en la combinacin Univariante y N en la combinacin Naive. La tabla Correlaciones admite Correlaciones en la combinacin Univariante y N en la combinacin Naive. La tabla Prueba admite Media en la combinacin Univariante.
ANOVA de un factor

La tabla Estadsticos descriptivos admite Media en la combinacin Univariante y N en la combinacin Naive. La tabla Pruebas de contraste admite Valor en la combinacin Univariante.
MLG Univariante, MLG Multivariante y MLG Repetido

La tabla Factores inter-sujetos admite N en la combinacin Naive. La tabla Estadsticos descriptivos admite Media y N en la combinacin Naive. La tabla Estimaciones de los parmetros admite el coeciente B en la combinacin Univariante. La tabla Resultados de contraste (Matriz K) admite Diferencia en la combinacin Univariante y Estimacin de contraste y Valor hipotetizado en la combinacin Naive. Medias marginales estimadas: La tabla Estimaciones admite Media en la combinacin Univariante. Medias marginales estimadas: La tabla Comparaciones por parejas admite Diferencia de medias en la combinacin Univariante.
Modelos lineales mixtos

La tabla Estadsticos descriptivos admite Media y N en la combinacin Naive. La tabla Estimaciones de efectos jos admite Estimacin en la combinacin Univariante. La tabla Estimaciones de parmetros de covarianzas admite Estimacin en la combinacin Univariante. Medias marginales estimadas: La tabla Estimaciones admite Media en la combinacin Univariante. Medias marginales estimadas: La tabla Comparaciones por parejas admite Diferencia de medias en la combinacin Univariante.
Modelos lineales generalizados y Ecuaciones de estimacin generalizadas. Estos procedimientos
admiten la combinacin de PMML.

La tabla Informacin sobre la variable categrica admite N y Porcentajes en la combinacin Naive. La tabla Informacin sobre la variable continua admite N y Media en la combinacin Naive. La tabla Estimaciones de los parmetros admite el coeciente B en la combinacin Univariante. Medias marginales estimadas: La tabla Coecientes de estimacin admite Correlaciones en la combinacin Nave. Medias marginales estimadas: La tabla Estimaciones admite Media en la combinacin Univariante. Medias marginales estimadas: La tabla Comparaciones por parejas admite Diferencia de medias en la combinacin Univariante.
Correlaciones bivariadas

La tabla Estadsticos descriptivos admite Media y N en la combinacin Naive. La tabla Correlaciones admite Correlaciones en la combinacin Univariante y N en la combinacin Naive.
Correlaciones parciales

La tabla Estadsticos descriptivos admite Media y N en la combinacin Naive. La tabla Correlaciones admite Correlaciones en la combinacin Univariante.
Regresin lineal. Este procedimiento admite la combinacin de PMML.

La tabla Estadsticos descriptivos admite Media y N en la combinacin Naive. La tabla Correlaciones admite Correlaciones en la combinacin Univariante y N en la combinacin Naive. La tabla Coecientes admite B en la combinacin Univariante y Correlaciones en la combinacin Naive. La tabla Coecientes de correlacin admite Correlaciones en la combinacin Naive. La tabla Estadsticos residuales admite Media y N en la combinacin Naive.
Regresin logstica binaria. Este procedimiento admite la combinacin de PMML.

La tabla Variables en la ecuacin admite B en la combinacin Univariante.
Regresin logstica multinomial. Este procedimiento admite la combinacin de PMML.

La tabla Estimaciones de los parmetros admite el coeciente B en la combinacin Univariante.
Regresin ordinal
La tabla Estimaciones de los parmetros admite el coeciente B en la combinacin Univariante.
32 Captulo 3
Anlisis discriminante. Este procedimiento admite la combinacin del modelo XML.

La tabla Estadsticos de grupo admite Media y N vlido en la combinacin Naive. La tabla Matrices intra-grupos combinadas admite Correlaciones en la combinacin Naive. La tabla Coecientes de funciones discriminantes cannicas admite Coecientes no tipicados en la combinacin Naive. La tabla Funciones en centroides de grupo admite Coecientes no tipicados en la combinacin Naive. La tabla Coecientes de funcin de clasicacin admite Coecientes en la combinacin Naive.
Prueba de chi-cuadrado

La tabla Descriptivos admite Media y N en la combinacin Naive. La tabla Frecuencias admite N Observado en la combinacin Naive.
Prueba binomial

La tabla Descriptivos admite Medias y N en la combinacin Naive. La tabla Prueba admite N, Proporcin observada y Proporcin de prueba en la combinacin Naive.
Prueba de rachas
La tabla Descriptivos admite Medias y N en la combinacin Naive.
Prueba de Kolmogorov-Smirnov para una muestra

La tabla Descriptivos admite Medias y N en la combinacin Naive.
Pruebas para dos muestras independientes

La tabla Rangos admite Rango promedio y N en la combinacin Naive. La tabla Frecuencias admite N en la combinacin Naive.
Pruebas para varias muestras independientes

La tabla Rangos admite Rango promedio y N en la combinacin Naive. La tabla Frecuencias admite Recuento en la combinacin Naive.
Pruebas para dos muestras relacionadas

La tabla Rangos admite Rango promedio y N en la combinacin Naive. La tabla Frecuencias admite N en la combinacin Naive.
Pruebas para varias muestras relacionadas

La tabla Rangos admite Rango promedio en la combinacin Naive.
Regresin de Cox. Este procedimiento admite la combinacin de PMML.

La tabla Variables en la ecuacin admite B en la combinacin Univariante. La tabla Medias de covariables admite media en la combinacin Naive.
Opciones de imputacin mltiple

Figura 3-12 Cuadro de dilogo Opciones: Pestaa Imputaciones mltiples
La pestaa Imputaciones mltiples controla dos tipos de preferencias relacionadas con las imputaciones mltiples:
Aspecto de datos imputados. De manera predeterminada, las casillas que contienen datos
imputados tendrn un color de fondo diferente que las casillas con datos no imputados. El aspecto distintivo de los datos imputados debera facilitarle el desplazamiento por un conjunto de datos y la localizacin de estas casillas. Puede cambiar el color de fondo predeterminado de las casillas, la fuente y hacer que los datos imputados aparezcan en negrita.
Resultados. Este grupo controla el tipo de resultados del Visor producidos cuando se analiza
un conjunto de datos imputado de forma mltiple. De manera predeterminada, se producirn resultados para el conjunto de datos originales (de antes de la imputacin) y para cada uno de los conjuntos de datos imputados. Adems, se generarn resultados combinados nales para los procedimientos que sean compatibles con la combinacin de datos imputados. Los diagnsticos de combinacin tambin aparecern cuando se realice una combinacin univariante. Sin embargo, puede suprimir los resultados que no desee ver.
34 Captulo 3
Para establecer opciones de imputacin mltiple
Elija en los mens:

Edicin Opciones
Pulse la pestaa Imputaciones mltiples.
Parte II: Ejemplos
Captulo
Anlisis de valores perdidos
Descripcin del patrn de los datos perdidos

Un proveedor de telecomunicaciones desea comprender mejor los patrones de uso de servicio en su base de datos de clientes. La compaa quiere asegurarse de que los datos estn perdidos completamente al azar antes de llevar a cabo ms anlisis. telco_missing.sav contiene una muestra aleatoria de la base de datos de clientes. Si desea obtener ms informacin, consulte Archivos muestrales en Apndice A el p. 82.
Ejecucin del anlisis para mostrar estadsticos descriptivos

E Para ejecutar el anlisis de valores perdidos, elija en los mens: Analizar Anlisis de valores perdidos... Figura 4-1 Cuadro de dilogo Anlisis de valores perdidos
E Seleccione Estado civil [ecivil], Nivel educativo [ed], Retirado [retire] y Sexo [sexo] como
variables categricas.
36
37 Anlisis de valores perdidos E Seleccione desde Meses de servicio [cargo] hasta Nmero de personas en el hogar [reside]
como variables cuantitativas (escala). En este punto, se puede llevar a cabo el procedimiento y obtener estadsticos univariados, pero seleccionaremos estadsticos descriptivos adicionales.
E Pulse en Descriptivos. Figura 4-2 Cuadro de dilogo Anlisis de valores perdidos: Cuadro de dilogo Descriptivos
En el cuadro de dilogo Descriptivos, puede especicar distintos estadsticos descriptivos para mostrarlos en los resultados. Los estadsticos univariados por defecto pueden ayudar a determinar el grado general de los datos perdidos, pero los estadsticos para las variables-indicador ofrecen ms informacin sobre cmo puede afectar el patrn de los datos perdidos de una variable a los valores de otra variable.
E Seleccione Pruebas t con los grupos formados por las variables de indicador. E Seleccione Tablas de contingencia de variables categricas y de indicador. E Pulse en Continuar. E En el cuadro de dilogo principal Anlisis de valores perdidos, pulse en Aceptar.
Evaluacin de los estadsticos descriptivos

Para este ejemplo, los resultados incluyen:

Estadsticos univariantes Tabla de pruebas t de varianzas separadas, que incluyen medias de subgrupos cuando otra variable est presente o est perdida Tablas para cada variable categrica que muestran frecuencias de datos perdidos para cada categora por cada variable cuantitativa (de escala)
38 Captulo 4 Figura 4-3 Tabla de estadsticos univariados
Los estadsticos univariados proporcionan una primera idea, variable por variable, acerca del impacto de los datos perdidos. El nmero de valores no perdidos para cada variable aparece en la columna N y el nmero de valores perdidos aparece en la columna Recuento de perdidos. La columna Porcentaje de perdidos muestra el porcentaje de casos con valores que faltan y ofrece una buena medida para comparar el grado de datos que faltan entre las variables. ingres (Ingresos del hogar en miles) tiene el mayor nmero de casos con valores que faltan (17,9%), mientras que edad (Edad en aos) tiene el menor (2,5%). income tambin tiene el mayor nmero de valores extremos.
39 Anlisis de valores perdidos Figura 4-4 Tabla de pruebas t de varianzas separadas
La tabla de pruebas t de varianzas separadas puede ayudar a identicar variables cuyo patrn de valores perdidos puede estar inuyendo en las variables cuantitativas (de escala). La prueba t se calcula mediante una variable de indicador que especica si una variable est presente o perdida para un caso individual. Las medias de subgrupo para la variable indicadora tambin se incluyen en la tabla. Tenga en cuenta que slo se crea una variable indicadora si una variable tiene valores perdidos en al menos el 5% de los casos. Parece que los encuestados mayores son menos propensos a informar sobre su nivel de ingresos. Cuando ingresos est perdida, la media edad es 49,73, comparada con 40,01 cuando Ingresos no est perdida. De hecho, la ausencia de ingresos parece afectar a las medias de varias variables cuantitativas (de escala). Esto indica que los datos pueden no estar perdidos completamente al azar.
40 Captulo 4 Figura 4-5 Tabla de contingencia de Estado civil [ecivil]
Las tablas de contingencia de las variables categricas respecto a las variables indicadoras muestran informacin similar a la que se encuentra en la tabla de prueba t de varianzas separadas. Las variables indicadoras se vuelven a crear, con la excepcin de que esta vez se usan para calcular las frecuencias de cada categora de cada variable categrica. Los valores pueden ayudarle a determinar si existen diferencias en los valores perdidos entre las categoras. Si observamos la tabla de ecivil (Estado civil), el nmero de valores perdidos en las variables indicadoras no parece variar mucho entre las categoras de ecivil. El hecho de que alguien est casado o soltero no parece afectar a si los datos estn perdidos en ninguna de las variables cuantitativas (de escala). Por ejemplo, las personas solteras indicaron direccin (Aos en direccin) el 85,5% de las veces y las personas casadas informaron de la misma variable el 83,4% de las veces. La diferencia es mnima y probablemente se deba al azar.
41 Anlisis de valores perdidos Figura 4-6 Tabla de contingencia de Nivel educativo [ed]
Consideremos ahora la tabla de contingencia para ed (Nivel educativo). Si un encuestado tiene cierto grado de educacin universitaria, es ms probable que la respuesta del estado civil est perdida. Al menos el 98,5% de los encuestados sin educacin universitaria informaron del estado civil. Por otro lado, slo el 81,1% de los encuestados con un ttulo universitario informaron sobre el estado civil. El nmero es incluso inferior para los encuestados con cierto grado de educacin universitaria pero sin ttulo.
42 Captulo 4 Figura 4-7 Tabla de contingencia de Retirado [retire]
Se puede observar una diferencia ms drstica en retire (Retirado). Los encuestados que estn retirados son mucho menos propensos a informar sobre sus ingresos comparados con los encuestados que no estn retirados. Slo el 46,3% de los clientes retirados inform sobre el nivel de ingresos, mientras que el porcentaje de los que no estn retirados e informaron sobre el nivel de ingresos fue del 83,7.
43 Anlisis de valores perdidos Figura 4-8 Tabla de contingencia para Sexo [sexo]
Existe otra discrepancia clara con sexo (Sexo). La informacin de la direccin falta ms a menudo en los hombres que en las mujeres. Aunque estas discrepancias podran deberse al azar, no parece muy probable. Los datos no parecen estar perdidos completamente al azar. Observaremos los patrones de los datos perdidos para estudiar ms detalles.
44 Captulo 4
Volver a ejecutar el anlisis para mostrar patrones

Figura 4-9 Cuadro de dilogo Anlisis de valores perdidos
E Vuelva a mostrar el cuadro de dilogo Anlisis de valores perdidos. El cuadro de dilogo recuerda
las variables utilizadas en el anlisis anterior. No las modique.

E Pulse en Patrones.
45 Anlisis de valores perdidos Figura 4-10 Cuadro de dilogo Anlisis de valores perdidos: Patrones
En el cuadro de dilogo Patrones, se pueden seleccionar varias tablas de patrones. Mostraremos los patrones tabulados agrupados por patrones de valores perdidos. Dado que los patrones perdidos de ed (Nivel educativo), retire (Retirado) y sexo (Sexo) parecen inuir en los datos, elegiremos mostrar informacin adicional sobre estas variables. Tambin incluiremos informacin adicional para ingres (Ingresos del hogar en miles) debido al gran nmero de valores perdidos.
E Seleccione Casos tabulados, agrupados por patrones de valores perdidos. E Seleccione ingres, ed, retire y sexo y adalos a la lista Informacin adicional acerca de. E Pulse en Continuar. E En el cuadro de dilogo principal Anlisis de valores perdidos, pulse en Aceptar.
46 Captulo 4
Evaluacin de la tabla de patrones

Figura 4-11 Tabla de patrones tabulados
La tabla de patrones tabulados muestra si los datos tienden a estar perdidos para varias variables en casos individuales. Es decir, puede ayudarle a determinar si los datos estn perdidos conjuntamente. Existen tres patrones de datos perdidos conjuntamente que se producen en ms del 1% de los casos. Las variables empcat (Aos con la empresa actual) y retire (Retirado) estn perdidas conjuntamente con ms frecuencia que otros pares. Esto no resulta sorprendente, ya que retire y empcat registran informacin similar. Si no sabe si un encuestado est retirado, probablemente tampoco conocer los aos que lleva con la empresa actual el encuestado. La media ingres (Ingresos del hogar en miles) parece variar considerablemente dependiendo del patrn de valores perdidos. Concretamente, la media ingres es mucho ms alta en el 6% (60 de 1000) de los casos, cuando ecivil (Estado civil) est perdido. (Tambin es ms alta cuando cargo (Meses con servicio) est perdido, pero este patrn slo tiene en cuenta el 1,7% de los casos.) Recuerde que los encuestados con un nivel educativo superior eran menos propensos a responder a la pregunta sobre el estado civil. Esta tendencia se puede observar en las frecuencias mostradas para ed (Nivel educativo). Podemos explicar el aumento de ingres si suponemos que los encuestados con un nivel de educacin superior ganan ms dinero y son menos propensos a informar sobre su estado civil. Considerando los estadsticos descriptivos y los patrones de datos perdidos, podemos concluir que los datos no estn perdidos completamente al azar. Podemos conrmar esta conclusin mediante la prueba MCAR de Little, que se imprime con las estimaciones EM.
Volver a ejecutar el anlisis de la prueba MCAR de Little

Figura 4-12 Cuadro de dilogo Anlisis de valores perdidos
E Vuelva a mostrar el cuadro de dilogo Anlisis de valores perdidos. E Pulse en EM. E Pulse en Aceptar. Figura 4-13 Tabla Medias marginales estimadas
Los resultados de la prueba MCAR de Little aparecen en las notas al pie de cada tabla de estimaciones EM. La hiptesis nula de la prueba MCAR de Little es que los datos estn perdidos completamente al azar (MCAR). Los datos estn MCAR cuando el patrn de valores perdidos no depende de los valores de los datos. Dado que el valor de signicacin es inferior a 0,05 en nuestro ejemplo, podemos concluir que los datos no estn perdidos completamente al azar. Esto conrma la conclusin que se dedujo de los estadsticos descriptivos y los patrones tabulados.
48 Captulo 4
En este punto, como los datos no estn perdidos completamente al azar, no es seguro eliminar segn la lista casos con valores perdidos ni imputar valores perdidos individualmente. Sin embargo, puede utilizar imputacin mltiple para analizar ms este conjunto de datos.
Captulo
Imputacin mltiple
Uso de imputacin mltiple para completar y analizar un conjunto de datos

Un proveedor de telecomunicaciones desea comprender mejor los patrones de uso de servicio en su base de datos de clientes. Tienen datos completos de los servicios utilizados por sus clientes, pero la informacin demogrca recopilada por la empresa tiene diferentes valores perdidos. Adems, estos valores no estn perdidos de forma aleatoria, por lo que se utilizar la imputacin mltiple para completar el conjunto de datos. telco_missing.sav contiene una muestra aleatoria de la base de datos de clientes. Si desea obtener ms informacin, consulte Archivos muestrales en Apndice A el p. 82.
Anlisis de los patrones de los valores perdidos

E En primer lugar, mire los patrones de datos perdidos. Elija en los mens: Analizar Imputacin mltiple Analizar patrones...
49
50 Captulo 5 Figura 5-1 Cuadro de dilogo Analizar patrones
E Seleccione desde Meses de servicio [cargo] hasta Nmero de personas en el hogar [reside]
como variables de anlisis.
Resumen global
Figura 5-2 Resumen global de valores perdidos
El resumen global de valores perdidos muestra tres grcos de sectores que muestran diferentes aspectos de los valores perdidos en los datos.
El grco Variables muestra que las 10 variables de anlisis tiene al menos un valor perdido en un caso. El grco Casos muestra que 525 de los 1000 casos tienen al menos un valor perdido en una variable. El grco Valores muestra que faltan 792 de los 10.000 valores (casos variables).
Cada caso con valores perdidos tiene, de media, valores perdidos en aproximadamente 1,5 de las 10 variables. Sugiere que eliminacin por lista perdera gran parte de la informacin del conjunto de datos.
Resumen de variables
Figura 5-3 Resumen de variables
Se muestra el resumen de variable de las variables con al menos el 10% de los valores perdidos y muestra el nmero y porcentaje de valores perdidos de cada variable de la tabla. Tambin muestra la media y la desviacin tpica de los valores vlidos de variables de escala y el nmero de valores vlidos de todas las variables. Ingresos del hogar en miles, Aos en la direccin actual y Estado civil tienen la mayora de valores perdidos, en ese orden.
52 Captulo 5
Patrones
Figura 5-4 Patrones de valores perdidos
El grco de patrones muestra patrones de valores perdidos de las variables de anlisis. Cada patrn se corresponde con un grupo de casos con el mismo patrn de datos completos e incompletos. Por ejemplo, el patrn 1 representa casos que no tienen valores perdidos, mientras que el patrn 33 representa los casos que tienen valores perdidos en residen (Nmero de personas en el hogar) y direccin (Aos en la direccin actual) y el patrn 66 representa los casos que tiene valores perdidos en sexo (Sexo), marital (Estado civil), direccin e ingresos (Ingresos del hogar en miles). Un conjunto de datos puede tener 2 patrones de nmero de variables. Para 10 variables de anlisis, es 210 = 1024; sin embargo, slo se representan 66 patrones en los 1000 casos del conjunto de datos. El grco ordena las variables y patrones de anlisis para revelar las tendencias de monotona. De forma especca, las variables se ordenan de izquierda a derecha aumentando el orden de valores perdidos. Los patrones se clasican, en primer lugar, por la ltima variable (valores no perdidos primero y los valores perdidos despus), a continuacin por la segunda a la ltima variable, etctera, de derecha a izquierda. Revela si el mtodo de imputacin monotnica para sus datos o, si no, en qu medida se aproximan sus datos a un patrn monotnico. Si los datos son montonos, todas las casillas perdidas y no perdidas del grco sern contiguas; es decir, no quedarn islas de casillas no perdidas en la parte inferior derecha del grco y no quedarn islas de casillas perdidas en la parte superior izquierda del grco. Este conjunto de datos no es montono y hay tantos valores que se necesitan imputar para lograr la monotona.
53 Imputacin mltiple Figura 5-5 Frecuencias de patrones
Si los patrones se solicitan, un grco de barras muestra el porcentaje de casos de cada patrn. Muestra que ms de la mitad de los casos del conjunto de datos tienen el patrn 1 y el grco de patrones de valores perdidos muestra que es el patrn de los casos sin valores perdidos. El patrn 43 representa casos con un valor perdido de ingresos; el patrn 30 representa casos con un valor perdido de direccin y el patrn 20 representa casos con un valor perdido de ecivil. La gran mayora de casos, aproximadamente, 4 de 5, se representan en estos cuatro patrones. Los patrones 14, 60 y 56 son los nicos patrones entre los diez patrones ms frecuentes para representar casos sin valores perdidos en ms de una variable. El anlisis de patrones perdidos no ha revelado ningn obstculo concreto en la imputacin mltiple, salvo que el uso del mtodo de monotona no sern viables.
Imputacin automtica de valores perdidos

Ahora podr iniciar a imputar valores; comenzaremos con una ejecucin con ajustes automticos, pero despus de solicitar imputaciones, solicitaremos la semilla aleatoria. Al establecer la semilla aleatoria, puede replicar el anlisis de manera exacta.
E Para establecer la semilla aleatoria, elija en los mens: Transformar Generadores de nmeros aleatorios...
54 Captulo 5 Figura 5-6 Cuadro de dilogo Generadores de nmeros aleatorios
E Seleccione Definir generador activo. E
Seleccione Tornado de Mersenne.
E Seleccione Establecer punto inicial. E Seleccione Valor fijo y escriba 20070525 como el valor. E Pulse en Aceptar. E
Para multiplicar los valores de datos perdidos, seleccione en el men:

Analizar Imputacin mltiple Imputar valores perdidos...
55 Imputacin mltiple Figura 5-7 Cuadro de dilogo Imputar los valores de datos perdidos
E Seleccione desde Meses de servicio [cargo] hasta Nmero de personas en el hogar [reside] como
variables del modelo de imputacin.

E Introduzca telcoImputed como conjunto de datos en el que se guardarn los datos imputados. E
Pulse en la pestaa Resultados.
56 Captulo 5 Figura 5-8 Pestaa Resultados
E Seleccione Estadsticos descriptivos de las variables con valores imputados. E Pulse en Aceptar.
Especificaciones de imputacin
Figura 5-9 Especificaciones de imputacin
La tabla de especicaciones de imputacin es una herramienta muy til de lo que ha solicitado para que pueda conrmar que las especicaciones son correctas.
Resultados de imputacin
Figura 5-10 Resultados de imputacin
Los resultados de imputacin proporcionan una perspectiva general de lo que ha ocurrido durante el proceso de imputacin. En concreto, obsrvese que:

El mtodo de imputacin en la tabla de especicaciones era Automtico y el mtodo de seleccin automtica es Especicacin totalmente condicional. Todas las variables solicitadas se han imputado. La secuencia de imputacin es el orden en el que las variables aparecen en el eje x en el grco Patrones de valores perdidos.
Modelo de imputacin
Figura 5-11 Modelo de imputacin
La tabla de modelos de imputacin proporciona ms informacin acerca de cmo se ha imputado cada variable. En concreto, obsrvese que:
Las variables se incluyen en el orden de secuencia de imputacin.
58 Captulo 5
Las variables de escala se modelan con una regresin lineal y las variables categricas con una regresin logstica. Todos los modelos utilizan el resto de variables como efectos principales. Se registra el nmero de valores perdidos de cada variable, junto con el nmero total de valores calculados para esa variable (nmero perdido nmero de imputaciones).
Estadsticos descriptivos
Figura 5-12 Estadsticas descriptivas de periodo (Meses de servicio)
Las tablas de estadsticas descriptivas muestran resmenes de las variables con valores imputados. Se crea un modelo diferente para cada variable. Los tipos de estadsticas mostradas dependen de si la variable es de escala o categrica. Las estadsticas de las variables de escala incluyen el recuento, media, desviacin tpica, mnima y mxima mostradas para los datos originales, cada conjunto de valores imputados y cada conjunto de datos completo (combinando los datos originales y los valores calculados). La tabla de estadsticas descriptivas de periodo (Meses de servicio) muestra las medias y desviaciones estndar en cada conjunto de valores imputados aproximadamente a los de los datos originales; sin embargo, un problema inmediato se presenta cuando observa el mnimo y ve que los valores negativos de periodo se han calculado.
59 Imputacin mltiple Figura 5-13 Estadsticos descriptivos para ecivil (Estado civil)
En las variables categricas, las estadsticas incluyen el recuento y porcentaje por categora de los datos originales, los valores imputados y todos los datos. La tabla de ecivil (Estado civil) muestra un resultado interesante, ya que, para los valores imputados, se calcula que se considera una mayor parte de los casos como casados que en los datos originales. Puede deberse a una variacin aleatoria; alternativamente, las posibilidades de perderse pueden deberse al valor de esta variable.
Figura 5-14 Estadsticas descriptivas de ingresos (Ingresos del hogar en miles)
Al igual que periodo y el resto de variables de escala, ingresos (Ingresos del hogar en miles) muestra los valores negativos imputados claramente, necesitaremos ejecutar un modelo personalizado con limitaciones en determinadas variables. Sin embargo, ingresos muestra otros problemas potenciales. Los valores de media de cada imputacin son considerablemente ms elevados que para los datos originales y los valores mximos de cada imputacin son
60 Captulo 5
considerablemente inferiores que para los datos originales. La distribucin de los ingresos tiene una clara tendencia a la derecha, por lo que puede ser el origen del problema.
Modelo de imputacin personalizada

Para evitar que los valores imputados queden fuera del intervalo razonable de los valores de cada variable, especicaremos un modelo de imputacin personalizada con limitaciones en las variables. Adems, Ingresos del hogar en miles tiene una clara tendencia hacia la derecha y otros anlisis requerirn el uso del logaritmo de ingresos, por lo que parece posible imputar el logaritmo de ingresos directamente.
E Asegrese de que el conjunto de datos original est activo. E Para crear una variable de logaritmos de ingresos, seleccione en los mens: Transformar Calcular variable... Figura 5-15 Cuadro de dilogo Calcular variable
E Introduzca lninc como variable de destino. E Introduzca ln(Ingresos) como expresin numrica. E
Pulse en Tipo & Etiqueta..
61 Imputacin mltiple Figura 5-16 Cuadro de dilogo Tipo y etiqueta
E Introduzca Logaritmo de ingresos como etiqueta. E Pulse en Continuar. E Pulse Aceptar en el cuadro de dilogo Calcular variable.
62 Captulo 5 Figura 5-17 Pestaa Variables con Logaritmo de ingresos sustituyendo Ingresos del hogar en miles en el modelo de imputacin
E Abra el cuadro de dilogo Imputar valores perdidos y pulse la pestaa Variables. E Cancele la seleccin de Ingresos del hogar en miles [ingres] y seleccione Logaritmo de ingresos
[lninc] como variable del modelo.

E Pulse en la pestaa Mtodo. Figura 5-18 Alerta para sustituir el conjunto de datos existente
E Pulse en S en la alerta que aparece.
63 Imputacin mltiple Figura 5-19 Pestaa Mtodo
E Seleccione Personalizado y deje Especificacin totalmente condicional seleccionada como mtodo
de imputacin.
E Pulse en la pestaa Restricciones.
64 Captulo 5 Figura 5-20 Pestaa Restricciones
E Pulse en Explorar datos. E En la casilla Dena las restricciones, introduzca 1 como el valor mnimo de Meses de servicio
[periodo].
E
Introduzca 18 como el valor mnimo de edad (Edad en aos).
E Introduzca 0 como el valor mnimo de edad (Edad en aos). E Introduzca 0 como el valor mnimo de empleo (Aos con empresa actual). E Introduzca 1 como el valor mnimo y 1 como el nivel de redondeo para residencia (Nmero de
miembros en la familia). Tenga en cuenta que muchas del resto de las variables escala se incluyen en los valores enteros, es posible plantear que una persona ha vivido durante 13,8 aos en su direccin actual, pero no cabe pensar que 2,2 personas viven all.
E
Introduzca 0 como el valor mnimo de lninc (Logaritmo de ingresos).
E Pulse en la pestaa Resultados.
65 Imputacin mltiple Figura 5-21 Pestaa Resultados
E Seleccione Crear historial de iteraciones e introduzca telcoFCS como el nombre del nuevo conjunto
de datos.
E Pulse en Aceptar.
66 Captulo 5
Restricciones de imputacin
Figura 5-22 Restricciones de imputacin
El modelo de imputacin personalizado da como resultado una nueva tabla que revisa las limitaciones aplicadas en el modelo de imputacin. Todo parece estar de acuerdo con sus especicaciones.
Estadsticos descriptivos
Figura 5-23 Estadsticas descriptivas de periodo (Meses de servicio)
La tabla estadsticas descriptivas de periodo (Meses de servicio) en el modelo de aplicacin personalizado con limitaciones que muestran que el problema de los valores negativos imputados de periodo se ha resuelto.
67 Imputacin mltiple Figura 5-24 Estadsticos descriptivos para ecivil (Estado civil)
La tabla de ecivil (Estado civil) tiene una imputacin (3) cuya distribucin est ms en la lnea de los datos originales, pero la mayora sigue mostrando una mayor proporcin de los casos estimados como casados que en los datos originales. Puede deberse a una variacin aleatoria, pero puede requerir un estudio con mayor profundidad de los datos para determinar su estos valores no faltan de forma aleatoria (MAR). Este estudio no se trata aqu.
Figura 5-25 Estadsticos descriptivos de lninc (Logaritmo de ingresos)
Como periodo y el resto de variables de escala, lninc (Logaritmo de ingresos) no muestra los valores negativos calculados. Adems, los valores de las medias de las imputaciones estn ms prximos a la media para los datos originales que en la ejecucin de imputacin automtica en la escala de ingresos, la media de los datos originales de lninc es aproximadamente e3,9291 = 50,86, mientras el valor de la media tpica entre las imputaciones es muy aproximada e4,2=
68 Captulo 5
66,69. Adems, los valores mximos de cada imputacin estn ms cercanos al valor mximo de los datos originales.
Comprobacin de la convergencia de FCS

Cuando se utiliza en mtodo de especicacin condicional, es una buena idea comprobar los grcos de las medias y desviaciones tpicas por iteraciones y el clculo de cada variable de escala dependiente cuyos valores se calculan para ayudar a evaluar la convergencia del modelo.
E
Para crear este tipo de grco, active el conjunto de datos telcoFCS y en el men seleccione:
Grficos Generador de grficos... Figura 5-26 Generador de grficos, grficos de lneas mltiples
E Seleccione la galera Lnea y seleccione Lneas mltiples. E Seleccione Meses de servicio [periodo] como la variable que se trazar en el eje Y.
69 Imputacin mltiple E Seleccione Nmero de iteracin [Iteration_] como la variable que se representar en el eje X. E Seleccione Nmero de imputacin [Imputations_] como la variable para denir los colores. Figura 5-27 Generador de grficos, Propiedades del elemento
E En Propiedades del elemento, seleccione Valor como la estadstica que se mostrar. E Pulse en Aplicar. E En el Generador de grcos, seleccione la pestaa Grupos/ID de puntos.
70 Captulo 5 Figura 5-28 Generador de grficos, pestaa Grupos/ID de puntos
E Seleccione Variable de panel de filas. E Seleccione Estadstico de resumen [SummaryStatistic_] como variable de panel. E Pulse en Aceptar.
Grficos de convergencia FCS

Figura 5-29 Grfico de convergencia FCS
Ha creado un par de grcos de lneas mltiples, que muestran la media y desviacin tpica de los valores imputados de Meses de servicio [periodo] en cada iteracin del mtodo de imputacin de FCS para cada una de las 5 imputaciones solicitadas. El objeto de este grco es observar los patrones de las lneas. No debe haber ningn patrn y las lneas deben parecer aleatorias. Puede crear grcos similares para el resto de variables de escala y tenga en cuenta que estos grcos tampoco muestran patrones perceptibles.
Analizar datos completos

Una vez que los valores imputados parecen ser satisfactorios, puede ejecutar un anlisis de los datos completos. El conjunto de datos contiene una variable Categora del cliente [custcat] que divide la base de clientes por patrones de uso de servicio, categorizando los clientes en cuatro grupos. Si puede ajustar un modelo utilizando informacin demogrca para predecir la pertenencia a un grupo, se pueden personalizar las ofertas para cada uno de los posibles clientes.
E Active el conjunto de datos telcoImputed . Para crear un modelo de regresin logstica multinomial
para los datos completos, seleccin en el men:

Analizar Regresin Logstica multinomial...
72 Captulo 5 Figura 5-30 Cuadro de dilogo Regresin logstica multinomial
E Seleccione Categora de cliente como la variable dependiente. E E
Seleccione Estado civil, Nivel educativo, Retirado y Sexo como factores. Seleccione Edad en aos, Aos en la direccin actual, Aos con empresa actual, Nmero de miembros en la familia y Logaritmo de ingresos como covariables. Tal vez quiera comparar otros clientes con los que se han suscrito al servicio bsico, para lo que debe seleccionar Categora de cliente y Categora de referencia.
Figura 5-31 Cuadro de dilogo Categora de referencia
E Seleccione Primera categora. E Pulse en Continuar. E En el cuadro de dilogo Regresin logstica multinomial, pulse en Modelo.
73 Imputacin mltiple Figura 5-32 Cuadro de dilogo Modelo
E Seleccione Personalizado/Pasos sucesivos. E Seleccione Efectos principales en la lista desplegable de construccin de trminos de los trminos
de pasos sucesivos.
E E E
Seleccione desde lninc hasta residen como trminos de pasos sucesivos. Pulse en Continuar. En el cuadro de dilogo Regresin logstica multinomial, pulse en Aceptar.
74 Captulo 5
Resumen de los pasos

Figura 5-33 Resumen de pasos
La Regresin logstica multinomial admite la combinacin de coecientes de regresin; sin embargo, observar que todas las tablas muestran los resultados para cada imputacin y los datos originales. Se debe a que el archivo est dividido en Imputation_, para que todas las tablas que tienen en cuenta la variable de divisin presentarn los grupos de archivos en una nica tabla. Tambin ver que la tabla Estimaciones de los parmetros no muestra las estimaciones combinadas; para saber las razones, consulte el Resumen de los pasos. Hemos solicitado la seleccin de por pasos de los efectos del modelo y el mismo conjunto de efectos no se ha seleccionado para todas las imputaciones, por lo que no se puede realizar la combinacin. Sin embargo. proporciona informacin de gran utilidad porque vemos que educ (Nivel educativo), empleo (Aos con empresa actual), ecivil (Estado civil) y direccin (Aos en la direccin actual) se suelen seleccionar por la seleccin por pasos entre las imputaciones. Ajustaremos otro modelo utilizando estos predictores.
Ejecucin del modelo con un subconjunto de predictores

Figura 5-34 Cuadro de dilogo Modelo
E Abra el cuadro de dilogo Regresin logstica multinomial y pulse en Modelo. E Cancele la seleccin de las variables de la lista Trminos por pasos. E Seleccione Efectos principales en la lista desplegable de construccin de trminos de los trminos
de entrada forzada.
E E E
Seleccione empleo, ecivil, educ y direccin como Trminos de entrada forzada. Pulse en Continuar. En el cuadro de dilogo Regresin logstica multinomial, pulse en Aceptar.
76 Captulo 5
Estimaciones combinadas de parmetros

Esta tabla es muy grande, pero la pivotacin nos proporcionar un par de vistas diferentes de gran utilidad del resultado.
Figura 5-35 Estimaciones combinadas de parmetros
E Active (pulse dos veces) la tabla y seleccione Paneles de pivotado en el men contextual.
77 Imputacin mltiple Figura 5-36 Estimaciones combinadas de parmetros
E Cambie Nmero de imputacin de Fila a Capa. E Seleccione Combinado en la lista desplegable Nmero de imputacin.
78 Captulo 5 Figura 5-37 Estimaciones combinadas de parmetros
Esta vista muestra todas las estadsticas de los resultados combinados. Puede utilizar e interpretar estos coecientes de la misma manera que utilizara esta tabla para un conjunto de datos sin valores perdidos. La tabla de estimaciones de los parmetros resume el efecto de cada predictor. La razn del coeciente respecto a su error tpico, al cuadrado, equivale al estadstico de Wald. Si el nivel de signicacin del estadstico de Wald es pequeo (inferior a 0,05) el parmetro es diferente de 0.

Los parmetros con coecientes negativos signicativos disminuyen la probabilidad de dicha categora de respuesta respecto a la categora de referencia. Los parmetros con coecientes positivos aumentan la probabilidad de dicha categora de respuesta. Los parmetros asociados con la ltima categora de cada factor son redundantes si se conoce el trmino de interseccin.
Hay tres columnas adicionales en la tabla que proporcionan ms informacin acerca de los resultados combinados. La fraccin de informacin perdidaes una estimacin de la proporcin de informacin perdida para completar la informacin, basada en el aumento relativo de la varianza por causa de la ausencia de respuestas, que es un porcentaje (modicado) de los valores entre imputaciones y una media de la varianza en la imputacin del coeciente de regresin. La ecacia relativa es una comparacin de este clculo con respecto a un clculo (terico) utilizando un nmero innito de clculos. La ecacia relativa est determinada por la fraccin de informacin perdida y el nmero de imputaciones utilizadas para obtener el resultado combinado; si la fraccin de informacin perdida es grande, se necesitar un gran nmero de imputaciones para aproximar la ecacia relativa a 1 y el clculo combinado al clculo ideal.
Figura 5-38 Estimaciones combinadas de parmetros
E Vuelva a activar (pulse dos veces) la tabla y seleccione Paneles de pivotado en el men contextual. E Cambie Nmero de imputacin de Capa a Columna. E
Cambie Estadsticos de Columna a Capa.
E En la lista desplegable Estadsticos, seleccione B.
80 Captulo 5 Figura 5-39 Estimaciones combinadas de parmetros, Nmero de imputacin en columnas y Estadsticos en Capa
Esta vista de la tabla es til para comparar los valores entre imputaciones, para obtener una vista rpida de la variacin en el coeciente de regresin de imputacin a imputacin, e incluso con respecto a los datos originales. En concreto, cambiar los estadsticos de la capa a error tpico permite ver cmo la imputacin mltiple ha reducido la variabilidad en las estimaciones de coeciente con respecto a la eliminacin por lista (datos originales).
81 Imputacin mltiple Figura 5-40 Advertencias
Sin embargo, en este ejemplo, el conjunto de datos original causa un error, que explica las grandes estimaciones de parmetros para los niveles de interseccin y no redundantes de Servicio plus de educ (Nivel educativo) en la columna de datos originales de la tabla.
Resumen
Mediante los procedimientos de imputacin mltiple, ha analizado patrones de valores perdidos y ha detectado que perdera la mayora de esa informacin si utilizara el mtodo de la eliminacin por lista simple. Tras una ejecucin automtica inicial de imputacin mltiple, ha observado que necesitaba limitaciones para mantener los valores en los lmites razonables. La ejecucin con limitaciones produce buenos resultados y no existen pruebas de que el mtodo FCS no fuera adecuado. Mediante un conjunto de datos completo con valores con imputacin mltiple, ha ajustado una regresin logstica multinomial a los datos y ha obtenido clculos de regresin combinada y ha descubierto que el modelo nal no habra sido posible utilizando el mtodo de la eliminacin por lista en los datos originales.
Apndice
Archivos muestrales
Los archivos muestrales instalados con el producto se encuentran en el subdirectorio Samples del directorio de instalacin. Hay una carpeta independiente dentro del subdirectorio Samples para cada uno de los siguientes idiomas: Ingls, francs, alemn, italiano, japons, coreano, polaco, ruso, chino simplicado, espaol y chino tradicional. No todos los archivos muestrales estn disponibles en todos los idiomas. Si un archivo muestral no est disponible en un idioma, esa carpeta de idioma contendr una versin en ingls del archivo muestral.
Descripciones
A continuacin, se describen brevemente los archivos muestrales usados en varios ejemplos que aparecen a lo largo de la documentacin.
accidents.sav. Archivo de datos hipotticos sobre una compaa de seguros que estudia los
factores de riesgo de edad y gnero que inuyen en los accidentes de automviles de una regin determinada. Cada caso corresponde a una clasicacin cruzada de categora de edad y gnero.
adl.sav. Archivo de datos hipotticos relativo a los esfuerzos para determinar las ventajas de un
tipo propuesto de tratamiento para pacientes que han sufrido un derrame cerebral. Los mdicos dividieron de manera aleatoria a pacientes (mujeres) que haban sufrido un derrame cerebral en dos grupos. El primer grupo recibi el tratamiento fsico estndar y el segundo recibi un tratamiento emocional adicional. Tres meses despus de los tratamientos, se puntuaron las capacidades de cada paciente para realizar actividades cotidianas como variables ordinales.
advert.sav. Archivo de datos hipotticos sobre las iniciativas de un minorista para examinar
la relacin entre el dinero invertido en publicidad y las ventas resultantes. Para ello, se recopilaron las cifras de ventas anteriores y los costes de publicidad asociados.
aflatoxin.sav. Archivo de datos hipotticos sobre las pruebas realizadas en las cosechas de
maz con relacin a la aatoxina, un veneno cuya concentracin vara ampliamente en los rendimientos de cultivo y entre los mismos. Un procesador de grano ha recibido 16 muestras de cada uno de los 8 rendimientos de cultivo y ha medido los niveles de aatoxinas en partes por milln (PPM).

aflatoxin20.sav. Este archivo de datos contiene las medidas de aatoxina de cada una de las 16
muestras de los rendimientos 4 y 8 procedentes del archivo de datos aatoxin.sav.

anorectic.sav. Mientras trabajaban en una sintomatologa estandarizada del comportamiento
anorxico/bulmico, los investigadores realizaron un estudio de 55 adolescentes con trastornos de la alimentacin conocidos. Cada paciente fue examinado cuatro veces durante cuatro aos, lo que representa un total de 220 observaciones. En cada observacin, se puntu a los
82
83 Archivos muestrales
pacientes por cada uno de los 16 sntomas. Faltan las puntuaciones de los sntomas para el paciente 71 en el tiempo 2, el paciente 76 en el tiempo 2 y el paciente 47 en el tiempo 3, lo que nos deja 217 observaciones vlidas.
autoaccidents.sav. Archivo de datos hipotticos sobre las iniciativas de un analista de seguros
para elaborar un modelo del nmero de accidentes de automvil por conductor teniendo en cuenta la edad y el gnero del conductor. Cada caso representa un conductor diferente y registra el sexo, la edad en aos y el nmero de accidentes de automvil del conductor en los ltimos cinco aos.

band.sav. Este archivo de datos contiene las cifras de ventas semanales hipotticas de CD de
msica de una banda. Tambin se incluyen datos para tres variables predictoras posibles.
bankloan.sav. Archivo de datos hipotticos sobre las iniciativas de un banco para reducir la
tasa de moras de crditos. El archivo contiene informacin nanciera y demogrca de 850 clientes anteriores y posibles clientes. Los primeros 700 casos son clientes a los que anteriormente se les ha concedido un prstamo. Al menos 150 casos son posibles clientes cuyos riesgos de crdito el banco necesita clasicar como positivos o negativos.

bankloan_binning.sav. Archivo de datos hipotticos que contiene informacin nanciera y
demogrca sobre 5.000 clientes anteriores.

behavior.sav. En un ejemplo clsico , se pidi a 52 estudiantes que valoraran las combinaciones
de 15 situaciones y 15 comportamientos en una escala de 10 puntos que oscilaba entre 0 =extremadamente apropiado y 9=extremadamente inapropiado. Los valores promediados respecto a los individuos se toman como disimilaridades.

behavior_ini.sav. Este archivo de datos contiene una conguracin inicial para una solucin
bidimensional de behavior.sav.
brakes.sav. Archivo de datos hipotticos sobre el control de calidad de una fbrica que
produce frenos de disco para automviles de alto rendimiento. El archivo de datos contiene las medidas del dimetro de 16 discos de cada una de las 8 mquinas de produccin. El dimetro objetivo para los frenos es de 322 milmetros.
breakfast.sav. En un estudio clsico, se pidi a 21 estudiantes de administracin de empresas
de la Wharton School y sus cnyuges que ordenaran 15 elementos de desayuno por orden de preferencia, de 1=ms preferido a 15=menos preferido. Sus preferencias se registraron en seis escenarios distintos, de Preferencia global a Aperitivo, con bebida slo.

breakfast-overall.sav. Este archivo de datos slo contiene las preferencias de elementos de
desayuno para el primer escenario, Preferencia global.

broadband_1.sav. Archivo de datos hipotticos que contiene el nmero de suscriptores, por
regin, a un servicio de banda ancha nacional. El archivo de datos contiene nmeros de suscriptores mensuales para 85 regiones durante un perodo de cuatro aos.

broadband_2.sav. Este archivo de datos es idntico a broadband_1.sav pero contiene datos
para tres meses adicionales.

car_insurance_claims.sav. Un conjunto de datos presentados y analizados en otro lugar estudia
las reclamaciones por daos en vehculos. La cantidad de reclamaciones media se puede modelar como si tuviera una distribucin Gamma, mediante una funcin de enlace inversa para relacionar la media de la variable dependiente con una combinacin lineal de la edad del asegurado, el tipo de vehculo y la antigedad del vehculo. El nmero de reclamaciones presentadas se puede utilizar como una ponderacin de escalamiento.
84 Apndice A
car_sales.sav. Este archivo de datos contiene estimaciones de ventas, precios de lista y
especicaciones fsicas hipotticas de varias marcas y modelos de vehculos. Los precios de lista y las especicaciones fsicas se han obtenido de edmunds.com y de sitios de fabricantes.
carpet.sav. En un ejemplo muy conocido, una compaa interesada en sacar al mercado
un nuevo limpiador de alfombras desea examinar la inuencia de cinco factores sobre la preferencia del consumidor: diseo del producto, marca comercial, precio, sello de buen producto para el hogar y garanta de devolucin del importe. Hay tres niveles de factores para el diseo del producto, cada uno con una diferente colocacin del cepillo del aplicador; tres nombres comerciales (K2R, Glory y Bissell); tres niveles de precios; y dos niveles (no o s) para los dos ltimos factores. Diez consumidores clasicaron 22 perles denidos por estos factores. La variable Preferencia contiene el rango de las clasicaciones medias de cada perl. Las clasicaciones inferiores corresponden a preferencias elevadas. Esta variable reeja una medida global de la preferencia de cada perl.
carpet_prefs.sav. Este archivo de datos se basa en el mismo ejemplo que el descrito
para carpet.sav, pero contiene las clasicaciones reales recogidas de cada uno de los 10 consumidores. Se pidi a los consumidores que clasicaran los 22 perles de los productos empezando por el menos preferido. Las variables desde PREF1 hasta PREF22 contienen los ID de los perles asociados, como se denen en carpet_plan.sav.
catalog.sav. Este archivo de datos contiene cifras de ventas mensuales hipotticas de tres
productos vendidos por una compaa de venta por catlogo. Tambin se incluyen datos para cinco variables predictoras posibles.
catalog_seasfac.sav. Este archivo de datos es igual que catalog.sav, con la excepcin de
que incluye un conjunto de factores estacionales calculados a partir del procedimiento Descomposicin estacional junto con las variables de fecha que lo acompaan.
cellular.sav. Archivo de datos hipotticos sobre las iniciativas de una compaa de telefona
mvil para reducir el abandono de clientes. Las puntuaciones de propensin al abandono de clientes se aplican a las cuentas, oscilando de 0 a 100. Las cuentas con una puntuacin de 50 o superior pueden estar buscando otros proveedores.
ceramics.sav. Archivo de datos hipotticos sobre las iniciativas de un fabricante para
determinar si una nueva aleacin de calidad tiene una mayor resistencia al calor que una aleacin estndar. Cada caso representa una prueba independiente de una de las aleaciones; la temperatura a la que registr el fallo del rodamiento.
cereal.sav. Archivo de datos hipotticos sobre una encuesta realizada a 880 personas sobre
sus preferencias en el desayuno, teniendo tambin en cuenta su edad, sexo, estado civil y si tienen un estilo de vida activo o no (en funcin de si practican ejercicio al menos dos veces a la semana). Cada caso representa un encuestado diferente.
clothing_defects.sav. Archivo de datos hipotticos sobre el proceso de control de calidad en
una fbrica de prendas. Los inspectores toman una muestra de prendas de cada lote producido en la fbrica, y cuentan el nmero de prendas que no son aceptables.
coffee.sav. Este archivo de datos pertenece a las imgenes percibidas de seis marcas de
caf helado. Para cada uno de los 23 atributos de imagen de caf helado, los encuestados seleccionaron todas las marcas que quedaban descritas por el atributo. Las seis marcas se denotan AA, BB, CC, DD, EE y FF para mantener la condencialidad.
contacts.sav. Archivo de datos hipotticos sobre las listas de contactos de un grupo de
representantes de ventas de ordenadores de empresa. Cada uno de los contactos est categorizado por el departamento de la compaa en el que trabaja y su categora en la compaa. Adems, tambin se registran los importes de la ltima venta realizada, el tiempo transcurrido desde la ltima venta y el tamao de la compaa del contacto.
creditpromo.sav. Archivo de datos hipotticos sobre las iniciativas de unos almacenes
para evaluar la ecacia de una promocin de tarjetas de crdito reciente. Para este n, se seleccionaron aleatoriamente 500 titulares. La mitad recibieron un anuncio promocionando una tasa de inters reducida sobre las ventas realizadas en los siguientes tres meses. La otra mitad recibi un anuncio estacional estndar.
customer_dbase.sav. Archivo de datos hipotticos sobre las iniciativas de una compaa para
usar la informacin de su almacn de datos para realizar ofertas especiales a los clientes con ms probabilidades de responder. Se seleccion un subconjunto de la base de clientes aleatoriamente a quienes se ofrecieron las ofertas especiales y sus respuestas se registraron.

customer_information.sav. Archivo de datos hipotticos que contiene la informacin de correo
del cliente, como el nombre y la direccin.

customers_model.sav. Este archivo contiene datos hipotticos sobre los individuos a los que
va dirigida una campaa de marketing. Estos datos incluyen informacin demogrca, un resumen del historial de compras y si cada individuo respondi a la campaa. Cada caso representa un individuo diferente.
customers_new.sav. Este archivo contiene datos hipotticos sobre los individuos que son
candidatos potenciales para una campaa de marketing. Estos datos incluyen informacin demogrca y un resumen del historial de compras de cada individuo. Cada caso representa un individuo diferente.
debate.sav. Archivos de datos hipotticos sobre las respuestas emparejadas de una encuesta
realizada a los asistentes a un debate poltico antes y despus del debate. Cada caso corresponde a un encuestado diferente.

debate_aggregate.sav. Archivo de datos hipotticos que agrega las respuestas de debate.sav.
Cada caso corresponde a una clasicacin cruzada de preferencias antes y despus del debate.
demo.sav. Archivos de datos hipotticos sobre una base de datos de clientes adquirida con
el n de enviar por correo ofertas mensuales. Se registra si el cliente respondi a la oferta, junto con informacin demogrca diversa.
demo_cs_1.sav. Archivo de datos hipotticos sobre el primer paso de las iniciativas de
una compaa para recopilar una base de datos de informacin de encuestas. Cada caso corresponde a una ciudad diferente, y se registra la identicacin de la ciudad, la regin, la provincia y el distrito.
demo_cs_2.sav. Archivo de datos hipotticos sobre el segundo paso de las iniciativas de
una compaa para recopilar una base de datos de informacin de encuestas. Cada caso corresponde a una unidad familiar diferente de las ciudades seleccionadas en el primer paso, y se registra la identicacin de la unidad, la subdivisin, la ciudad, el distrito, la provincia y la regin. Tambin se incluye la informacin de muestreo de las primeras dos etapas del diseo.
demo_cs.sav. Archivo de datos hipotticos que contiene informacin de encuestas recopilada
mediante un diseo de muestreo complejo. Cada caso corresponde a una unidad familiar distinta, y se recopila informacin demogrca y de muestreo diversa.
86 Apndice A
dietstudy.sav. Este archivo de datos hipotticos contiene los resultados de un estudio sobre
la dieta Stillman. Cada caso corresponde a un sujeto distinto y registra sus pesos antes y despus de la dieta en libras y niveles de triglicridos en mg/100 ml.

dischargedata.sav. Archivo de datos sobre Uso de los patrones estacionales del Winnipeg
Hospital, de Manitoba Centre for Health Policy.

dvdplayer.sav. Archivo de datos hipotticos sobre el desarrollo de un nuevo reproductor de
DVD. El equipo de marketing ha recopilado datos de grupo de enfoque mediante un prototipo. Cada caso corresponde a un usuario encuestado diferente y registra informacin demogrca sobre los encuestados y sus respuestas a preguntas acerca del prototipo.

flying.sav. Este archivo de datos contiene las millas de pilotaje entre 10 ciudades americanas. german_credit.sav. Este archivo de datos se toma del conjunto de datos German credit de las
Repository of Machine Learning Databases de la Universidad de California, Irvine.

grocery_1month.sav. Este archivo de datos hipotticos es el archivo de datos
grocery_coupons.sav con las compras semanales acumuladas para que cada caso corresponda a un cliente diferente. Algunas de las variables que cambiaban semanalmente desaparecen de los resultados, y la cantidad gastada registrada se convierte ahora en la suma de las cantidades gastadas durante las cuatro semanas del estudio.
grocery_coupons.sav. Archivo de datos hipotticos que contiene datos de encuestas
recopilados por una cadena de tiendas de alimentacin interesada en los hbitos de compra de sus clientes. Se sigue a cada cliente durante cuatro semanas, y cada caso corresponde a un cliente-semana distinto y registra informacin sobre dnde y cmo compran los clientes, incluida la cantidad que invierten en comestibles durante esa semana.
guttman.sav. Bell present una tabla para ilustrar posibles grupos sociales. Guttman utiliz
parte de esta tabla, en la que se cruzaron cinco variables que describan elementos como la interaccin social, sentimientos de pertenencia a un grupo, proximidad fsica de los miembros y grado de formalizacin de la relacin con siete grupos sociales tericos, incluidos multitudes (por ejemplo, las personas que acuden a un partido de ftbol), espectadores (por ejemplo, las personas que acuden a un teatro o de una conferencia), pblicos (por ejemplo, los lectores de peridicos o los espectadores de televisin), muchedumbres (como una multitud pero con una interaccin mucho ms intensa), grupos primarios (ntimos), grupos secundarios (voluntarios) y la comunidad moderna (confederacin dbil que resulta de la proximidad cercana fsica y de la necesidad de servicios especializados).
healthplans.sav. Archivo de datos hipotticos sobre las iniciativas de un grupo de seguros
para evaluar cuatro planes sanitarios diferentes para pequeas empresas. Se toman doce empresarios para clasicar los planes por la medida en la que preferiran ofrecerlos a sus empleados. Cada caso corresponde a un empresario distinto y registra las reacciones ante cada plan.
health_funding.sav. Archivo de datos hipotticos que contiene datos sobre inversin en sanidad
(cantidad por 100 personas), tasas de enfermedad (ndice por 10.000 personas) y visitas a centros de salud (ndice por 10.000 personas). Cada caso representa una ciudad diferente.
hivassay.sav. Archivo de datos hipotticos sobre las iniciativas de un laboratorio farmacutico
para desarrollar un ensayo rpido para detectar la infeccin por VIH. Los resultados del ensayo son ocho tonos de rojo con diferentes intensidades, donde los tonos ms oscuros indican una mayor probabilidad de infeccin. Se llev a cabo una prueba de laboratorio de 2.000 muestras de sangre, de las cuales una mitad estaba infectada con el VIH y la otra estaba limpia.
hourlywagedata.sav. Archivo de datos hipotticos sobre los salarios por horas de enfermeras
de puestos de ocina y hospitales y con niveles distintos de experiencia.

insure.sav. Archivo de datos hipotticos sobre una compaa de seguros que estudia los
factores de riesgo que indican si un cliente tendr que hacer una reclamacin a lo largo de un contrato de seguro de vida de 10 aos. Cada caso del archivo de datos representa un par de contratos (de los que uno registr una reclamacin y el otro no), agrupados por edad y sexo.
judges.sav. Archivo de datos hipotticos sobre las puntuaciones concedidas por jueces
cualicados (y un acionado) a 300 actuaciones gimnsticas. Cada la representa una actuacin diferente; los jueces vieron las mismas actuaciones.
kinship_dat.sav. Rosenberg y Kim comenzaron a analizar 15 trminos de parentesco [ta,
hermano, primos, hija, padre, nieta, abuelo, abuela, nieto, madre, sobrino, sobrina, hermana, hijo, to]. Le pidieron a cuatro grupos de estudiantes universitarios (dos masculinos y dos femeninos) que ordenaran estos grupos segn las similitudes. A dos grupos (uno masculino y otro femenino) se les pidi que realizaran la ordenacin dos veces, pero que la segunda ordenacin la hicieran segn criterios distintos a los de la primera. As, se obtuvo un total de seis fuentes. Cada fuente se corresponde con una matriz de proximidades de cuyas casillas son iguales al nmero de personas de una fuente menos el nmero de veces que se particionaron los objetos en esa fuente.

kinship_ini.sav. Este archivo de datos contiene una conguracin inicial para una solucin
tridimensional de kinship_dat.sav.
kinship_var.sav. Este archivo de datos contiene variables independientes sexo, gener(acin), y
grado (de separacin) que se pueden usar para interpretar las dimensiones de una solucin para kinship_dat.sav. Concretamente, se pueden usar para restringir el espacio de la solucin a una combinacin lineal de estas variables.
mailresponse.sav. Archivo de datos hipotticos sobre las iniciativas de un fabricante de ropa
para determinar si el uso de correo de primera clase para los envos directos genera respuestas ms rpidas que el correo masivo. Los encargados de los pedidos registran el nmero de semanas que tarda cada pedido tras el mailing.

marketvalues.sav. Archivo de datos sobre las ventas de casas en una nueva urbanizacin de
Algonquin, Ill., durante los aos 1999 y 2000. Los datos de estas ventas son pblicos.
mutualfund.sav. Archivo de datos sobre informacin del mercado de valores para varios
valores tecnolgicos recogidos en el ndice S&P 500. Cada caso corresponde a una compaa diferente.
nhis2000_subset.sav. La National Health Interview Survey (NHIS, encuesta del Centro
Nacional de Estadsticas de Salud de EE.UU.) es una encuesta detallada realizada entre la poblacin civil de Estados Unidos. Las encuestas se realizaron en persona a una muestra representativa de las unidades familiares del pas. Se recogi tanto la informacin demogrca como las observaciones acerca del estado y los hbitos de salud de los integrantes de cada unidad familiar. Este archivo de datos contiene un subconjunto de informacin de la encuesta de 2000. National Center for Health Statistics. National Health Interview Survey, 2000. Archivo de datos y documentacin de uso pblico. ftp://ftp.cdc.gov/pub/Health_Statistics/NCHS/Datasets/NHIS/2000/. Fecha de acceso: 2003.
88 Apndice A
ozone.sav. Los datos incluyen 330 observaciones de seis variables meteorolgicas para
pronosticar la concentracin de ozono a partir del resto de variables. Los investigadores anteriores, han encontrado que no hay linealidad entre estas variables, lo que diculta los mtodos de regresin tpica.
pain_medication.sav. Este archivo de datos hipotticos contiene los resultados de una prueba
clnica sobre medicacin antiinamatoria para tratar el dolor artrtico crnico. Resulta de particular inters el tiempo que tarda el frmaco en hacer efecto y cmo se compara con una medicacin existente.
patient_los.sav. Este archivo de datos hipotticos contiene los registros de tratamiento de
pacientes que fueron admitidos en el hospital ante la posibilidad de sufrir un infarto de miocardio (IM o ataque al corazn). Cada caso corresponde a un paciente distinto y registra diversas variables relacionadas con su estancia hospitalaria.
patlos_sample.sav. Este archivo de datos hipotticos contiene los registros de tratamiento de
una muestra de pacientes que recibieron trombolticos durante el tratamiento del infarto de miocardio (IM o ataque al corazn). Cada caso corresponde a un paciente distinto y registra diversas variables relacionadas con su estancia hospitalaria.
polishing.sav. Archivo de datos Nambeware Polishing Times (Tiempo de pulido de metal)
de la biblioteca de datos e historiales. Contiene datos sobre las iniciativas de un fabricante de cuberteras de metal (Nambe Mills, Santa Fe, N. M.) para planicar su programa de produccin. Cada caso representa un artculo distinto de la lnea de productos. Se registra el dimetro, el tiempo de pulido, el precio y el tipo de producto de cada artculo.
poll_cs.sav. Archivo de datos hipotticos sobre las iniciativas de los encuestadores para
determinar el nivel de apoyo pblico a una ley antes de una asamblea legislativa. Los casos corresponden a votantes registrados. Cada caso registra el condado, la poblacin y el vecindario en el que vive el votante.
poll_cs_sample.sav. Este archivo de datos hipotticos contiene una muestra de los votantes
enumerados en poll_cs.sav. La muestra se tom segn el diseo especicado en el archivo de plan poll.csplan y este archivo de datos registra las probabilidades de inclusin y las ponderaciones muestrales. Sin embargo, tenga en cuenta que debido a que el plan muestral hace uso de un mtodo de probabilidad proporcional al tamao (PPS), tambin existe un archivo que contiene las probabilidades de seleccin conjunta (poll_jointprob.sav). Las variables adicionales que corresponden a los datos demogrcos de los votantes y sus opiniones sobre la propuesta de ley se recopilaron y aadieron al archivo de datos despus de tomar la muestra.
property_assess.sav. Archivo de datos hipotticos sobre las iniciativas de un asesor del
condado para mantener actualizada la evaluacin de los valores de las propiedades utilizando recursos limitados. Los casos corresponden a las propiedades vendidas en el condado el ao anterior. Cada caso del archivo de datos registra la poblacin en que se encuentra la propiedad, el ltimo asesor que visit la propiedad, el tiempo transcurrido desde la ltima evaluacin, la valoracin realizada en ese momento y el valor de venta de la propiedad.
property_assess_cs.sav. Archivo de datos hipotticos sobre las iniciativas de un asesor de un
estado para mantener actualizada la evaluacin de los valores de las propiedades utilizando recursos limitados. Los casos corresponden a propiedades del estado. Cada caso del archivo de datos registra el condado, la poblacin y el vecindario en el que se encuentra la propiedad, el tiempo transcurrido desde la ltima evaluacin y la valoracin realizada en ese momento.
property_assess_cs_sample.sav. Este archivo de datos hipotticos contiene una muestra de las
propiedades recogidas en property_assess_cs.sav. La muestra se tom en funcin del diseo especicado en el archivo de plan property_assess.csplan, y este archivo de datos registra las probabilidades de inclusin y las ponderaciones muestrales. La variable adicional Valor actual se recopil y aadi al archivo de datos despus de tomar la muestra.
recidivism.sav. Archivo de datos hipotticos sobre las iniciativas de una agencia de orden
pblico para comprender los ndices de reincidencia en su rea de jurisdiccin. Cada caso corresponde a un infractor anterior y registra su informacin demogrca, algunos detalles de su primer delito y, a continuacin, el tiempo transcurrido desde su segundo arresto, si ocurri en los dos aos posteriores al primer arresto.
recidivism_cs_sample.sav. Archivo de datos hipotticos sobre las iniciativas de una agencia de
orden pblico para comprender los ndices de reincidencia en su rea de jurisdiccin. Cada caso corresponde a un delincuente anterior, puesto en libertad tras su primer arresto durante el mes de junio de 2003 y registra su informacin demogrca, algunos detalles de su primer delito y los datos de su segundo arresto, si se produjo antes de nales de junio de 2006. Los delincuentes se seleccionaron de una muestra de departamentos segn el plan de muestreo especicado en recidivism_cs.csplan. Como este plan utiliza un mtodo de probabilidad proporcional al tamao (PPS), tambin existe un archivo que contiene las probabilidades de seleccin conjunta (recidivism_cs_jointprob.sav).

rfm_transactions.sav. Archivo de datos hipotticos que contiene datos de transacciones de
compra, incluida la fecha de compra, los artculos adquiridos y el importe de cada transaccin.
salesperformance.sav. Archivo de datos hipotticos sobre la evaluacin de dos nuevos cursos
de formacin de ventas. Sesenta empleados, divididos en tres grupos, reciben formacin estndar. Adems, el grupo 2 recibe formacin tcnica; el grupo 3, un tutorial prctico. Cada empleado se someti a un examen al nal del curso de formacin y se registr su puntuacin. Cada caso del archivo de datos representa a un alumno distinto y registra el grupo al que fue asignado y la puntuacin que obtuvo en el examen.
satisf.sav. Archivo de datos hipotticos sobre una encuesta de satisfaccin llevada a cabo por
una empresa minorista en cuatro tiendas. Se encuest a 582 clientes en total y cada caso representa las respuestas de un nico cliente.

screws.sav. Este archivo de datos contiene informacin acerca de las caractersticas de
tornillos, pernos, clavos y tacos.

shampoo_ph.sav. Archivo de datos hipotticos sobre el control de calidad en una fbrica de
productos para el cabello. Se midieron seis lotes de resultados distintos en intervalos regulares y se registr su pH. El intervalo objetivo es de 4,5 a 5,5.
ships.sav. Un conjunto de datos presentados y analizados en otro lugar sobre los daos en
los cargueros producidos por las olas. Los recuentos de incidentes se pueden modelar como si ocurrieran con una tasa de Poisson dado el tipo de barco, el perodo de construccin y el perodo de servicio. Los meses de servicio agregados para cada casilla de la tabla formados por la clasicacin cruzada de factores proporcionan valores para la exposicin al riesgo.
site.sav. Archivo de datos hipotticos sobre las iniciativas de una compaa para seleccionar
sitios nuevos para sus negocios en expansin. Se ha contratado a dos consultores para evaluar los sitios de forma independiente, quienes, adems de un informe completo, han resumido cada sitio como una posibilidad buena, media o baja.
90 Apndice A
siteratings.sav. Archivo de datos hipotticos sobre la evaluacin de versiones beta del nuevo
sitio Web de una rma de comercio electrnico. Cada caso representa un evaluador de versiones beta, el cual puntu el uso del sitio en una escala de 0 a 20.
smokers.sav. Este archivo de datos es un resumen de la encuesta sobre toxicomana 1998
National Household Survey of Drug Abuse y es una muestra de probabilidad de unidades familiares americanas. As, el primer paso de un anlisis de este archivo de datos debe ser ponderar los datos para reejar las tendencias de poblacin.
smoking.sav. Tabla hipottica presentada por Greenacre. La tabla de inters est formada por
la tabla de contingencia del comportamiento de fumar por categora de trabajo. La variable Grupo de personal contiene las categoras de trabajo Directores Sr, Directores Jr, Empleados Sr, Empleados Jr y Secretarias, adems de la categora Promedio nacional, que se puede utilizar como suplemento del anlisis. La variable Tabaquismo contiene los comportamientos Nada, Poco, Medio y Mucho, adems de las categoras Sin alcohol y Alcohol, que se pueden utilizar como suplemento del anlisis.
storebrand.sav. Archivo de datos hipotticos sobre las iniciativas de la directora de una tienda
de alimentacin para aumentar las ventas del detergente de la marca de la tienda en relacin a otras marcas. Se lanza una promocin en la tienda y se consulta a los clientes a la salida. Cada caso representa un cliente diferente.
stores.sav. Este archivo de datos contiene datos de cuotas de mercado mensuales hipotticos
de dos tiendas de alimentacin que compiten. Cada caso representa los datos de cuota de mercado de un mes determinado.
stroke_clean.sav. Este archivo de datos hipotticos contiene el estado de una base de datos
mdica despus de haberla limpiado mediante los procedimientos de la opcin Preparacin de datos.

stroke_invalid.sav. Este archivo de datos hipotticos contiene el estado inicial de una base de
datos mdica que incluye contiene varios errores de entrada de datos.

stroke_survival. Este archivo de datos hipotticos registra los tiempos de supervivencia de
los pacientes que nalizan un programa de rehabilitacin tras un ataque isqumico. Tras el ataque, la ocurrencia de infarto de miocardio, ataque isqumico o ataque hemorrgico se anotan junto con el momento en el que se produce el evento registrado. La muestra est truncada a la izquierda ya que nicamente incluye a los pacientes que han sobrevivido al nal del programa de rehabilitacin administrado tras el ataque.
stroke_valid.sav. Este archivo de datos hipotticos contiene el estado de una base de datos
mdica despus de haber comprobado los valores mediante el procedimiento Validar datos. Sigue conteniendo casos potencialmente anmalos.

survey_sample.sav. Este archivo de datos hipotticos contiene datos de encuestas, incluyendo
datos demogrcos y diferentes medidas de actitud.

tastetest.sav. Archivo de datos hipotticos sobre el efecto del color del mantillo en el sabor de
las cosechas. Las fresas que han crecido en mantillo rojo, azul y negro fueron valoradas por catadores en una escala ordinal del 1 al 5 (de muy por encima de la media a muy por debajo de la media). Cada caso representa un catador diferente.
telco.sav. Archivo de datos hipotticos sobre las iniciativas de una compaa de
telecomunicaciones para reducir el abandono de clientes en su base de clientes. Cada caso corresponde a un cliente distinto y registra diversa informacin demogrca y de uso del servicio.
telco_extra.sav. Este archivo de datos es similar al archivo de datos telco.sav, pero las variables
de meses con servicio y gasto de clientes transformadas logartmicamente se han eliminado y sustituido por variables de gasto del cliente transformadas logartmicamente tipicadas.

telco_missing.sav. Este archivo de datos es un subconjunto del archivo de datos telco.sav, pero
algunos valores de datos demogrcos se han sustituido con valores perdidos.

testmarket.sav. Archivo de datos hipotticos sobre los planes de una cadena de comida rpida
para aadir un nuevo artculo a su men. Hay tres campaas posibles para promocionar el nuevo producto, por lo que el artculo se presenta en ubicaciones de varios mercados seleccionados aleatoriamente. Se utiliza una promocin diferente en cada ubicacin y se registran las ventas semanales del nuevo artculo durante las primeras cuatro semanas. Cada caso corresponde a una ubicacin semanal diferente.
testmarket_1month.sav. Este archivo de datos hipotticos es el archivo de datos testmarket.sav
con las ventas semanales acumuladas para que cada caso corresponda a una ubicacin diferente. Como resultado, algunas de las variables que cambiaban semanalmente desaparecen y las ventas registradas se convierten en la suma de las ventas realizadas durante las cuatro semanas del estudio.

tree_car.sav. Archivo de datos hipotticos que contiene datos demogrcos y de precios
de compra de vehculos.
tree_credit.sav. Archivo de datos hipotticos que contiene datos demogrcos y de historial de
crditos bancarios.
tree_missing_data.sav. Archivo de datos hipotticos que contiene datos demogrcos y de
historial de crditos bancarios con un elevado nmero de valores perdidos.

tree_score_car.sav. Archivo de datos hipotticos que contiene datos demogrcos y de precios
de compra de vehculos.
tree_textdata.sav. Archivo de datos sencillos con dos variables diseadas principalmente para
mostrar el estado por defecto de las variables antes de realizar la asignacin de nivel de medida y etiquetas de valor.
tv-survey.sav. Archivo de datos hipotticos sobre una encuesta dirigida por un estudio de
TV que est considerando la posibilidad de ampliar la emisin de un programa de xito. Se pregunt a 906 encuestados si veran el programa en distintas condiciones. Cada la representa un encuestado diferente; cada columna es una condicin diferente.
ulcer_recurrence.sav. Este archivo contiene informacin parcial de un estudio diseado para
comparar la ecacia de dos tratamientos para prevenir la reaparicin de lceras. Constituye un buen ejemplo de datos censurados por intervalos y se ha presentado y analizado en otro lugar.
ulcer_recurrence_recoded.sav. Este archivo reorganiza la informacin de ulcer_recurrence.sav
para permitir modelar la probabilidad de eventos de cada intervalo del estudio en lugar de slo la probabilidad de eventos al nal del estudio. Se ha presentado y analizado en otro lugar.
verd1985.sav. Archivo de datos sobre una encuesta . Se han registrado las respuestas de 15
sujetos a 8 variables. Se han dividido las variables de inters en tres grupos. El conjunto 1 incluye edad y ecivil, el conjunto 2 incluye mascota y noticia, mientras que el conjunto 3 incluye msica y vivir. Se escala mascota como nominal mltiple y edad como ordinal; el resto de variables se escalan como nominal simple.
92 Apndice A
virus.sav. Archivo de datos hipotticos sobre las iniciativas de un proveedor de servicios
de Internet (ISP) para determinar los efectos de un virus en sus redes. Se ha realizado un seguimiento (aproximado) del porcentaje de trco de correos electrnicos infectados en sus redes a lo largo del tiempo, desde el momento en que se descubre hasta que la amenaza se contiene.
waittimes.sav. Archivo de datos hipotticos sobre los tiempos de espera de los clientes para el
servicio de tres sucursales diferentes de un banco local. Cada caso corresponde a un cliente diferente y registra el tiempo de espera invertido y la sucursal en la que se realiz el negocio.
webusability.sav. Archivo de datos hipotticos sobre las pruebas de uso de una nueva tienda
electrnica. Cada caso corresponde a uno de los cinco evaluadores de uso y registra si el evaluador realiz correctamente cada una de las seis tareas distintas.
wheeze_steubenville.sav. Subconjunto de un estudio longitudinal de los efectos sobre la salud
de la polucin del aire en los nios . Los datos contienen medidas binarias repetidas del estado de las sibilancias en nios de Steubenville, Ohio, con edades de 7, 8, 9 y 10 aos, junto con un registro jo de si la madre era fumadora durante el primer ao del estudio.
workprog.sav. Archivo de datos hipotticos sobre un programa de obras del gobierno que
intenta colocar a personas desfavorecidas en mejores trabajos. Se sigui una muestra de participantes potenciales del programa, algunos de los cuales se seleccionaron aleatoriamente para entrar en el programa, mientras que otros no siguieron esta seleccin aleatoria. Cada caso representa un participante del programa diferente.
ndice
Anlisis de valores perdidos, 2, 36 EM, 9 estadsticos descriptivos, 7, 36 estimacin de los estadsticos, 8 expectation-maximization (maximizacin esperada), 12 funciones adicionales del comando, 13 imputacin de los valores perdidos, 8 mtodos, 8 patrones, 5, 44 prueba MCAR, 9 regresin, 10 Analizar patrones, 16 archivos de ejemplo posicin, 82 correlaciones en Anlisis de valores perdidos, 910 covarianzas en Anlisis de valores perdidos, 910 datos incompletos consultar Anlisis de valores perdidos, 2 desviacin tpica en Anlisis de valores perdidos, 7 discordancia en Anlisis de valores perdidos, 7 eliminacin por lista en Anlisis de valores perdidos, 2 eliminacin por parejas en Anlisis de valores perdidos, 2 EM en Anlisis de valores perdidos, 9 especicacin totalmente condicional en imputacin mltiple, 19 estadsticos univariados en Anlisis de valores perdidos, 38 estimaciones combinadas en imputacin mltiple, 76 grco de convergencia FCS en imputacin mltiple, 71 historial de iteraciones en imputacin mltiple, 23 imputacin monotnica en imputacin mltiple, 19
93
imputacin mltiple, 14, 49 analizar patrones, 16 especicaciones de imputacin, 56 estadsticos descriptivos, 58, 66 estimaciones combinadas, 76 grco de convergencia FCS, 71 imputar valores perdidos, 17 modelos, 57 patrones de valores perdidos, 52 restricciones, 66 resultados combinados, 71 resultados de imputacin, 57 resumen de variables, 51 resumen global de valores perdidos, 50 Imputacin mltiple, 24, 28 opciones, 33 Imputar valores perdidos, 17 mtodo de imputacin, 19 restricciones, 21 resultados, 23 media en Anlisis de valores perdidos, 7, 910 opciones imputacin mltiple, 33 ordenacin de casos en Anlisis de valores perdidos, 5 patrones de valores perdidos, 46 prueba MCAR en Anlisis de valores perdidos, 2, 47 prueba MCAR de Little, 9 en Anlisis de valores perdidos, 2, 47 prueba t en Anlisis de valores perdidos, 39 Prueba t en Anlisis de valores perdidos, 7 prueba t de Student en Anlisis de valores perdidos, 10, 39 recuentos de valores extremos en Anlisis de valores perdidos, 7 regresin en Anlisis de valores perdidos, 10 residuos en Anlisis de valores perdidos, 10 resultados combinados en imputacin mltiple, 71
94 ndice
tablas de frecuencias en Anlisis de valores perdidos, 7 tabulacin de casos en Anlisis de valores perdidos, 5 tabulacin de categoras en Anlisis de valores perdidos, 7, 40 valores perdidos estadsticos univariados, 7, 38 variables de indicador en Anlisis de valores perdidos, 7 variables de indicador de valores perdidos en Anlisis de valores perdidos, 7 variantes normales en Anlisis de valores perdidos, 10

SPSS Missing Values 17.0

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

SPSS Missing Values 17.0

Uploaded by

Copyright:

Available Formats

i

SPSS Missing Values 17.0

Parte II: Ejemplos 4 Anlisis de valores perdidos 36

Descripcin del patrn de los datos perdidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

Uso de imputacin mltiple para completar y analizar un conjunto de datos . . . . . . . . . . . . . . . . . 49

Apndice A Archivos muestrales ndice 82 93

Parte I: Manual del usuario

Introduccin a valores perdidos

Tareas de valores perdidos

Anlisis de valores perdidos

3 Anlisis de valores perdidos

4 Captulo 2 Figura 2-1 Cuadro de dilogo Anlisis de valores perdidos

desea, imputar los valores perdidos. Si lo desea, puede:

5 Anlisis de valores perdidos

Visualizacin de los patrones de los valores perdidos

patrones de valores perdidos desea ver.

7 Anlisis de valores perdidos

Visualizacin de los estadsticos descriptivos de los valores perdidos

Nmero de valores no perdidos Nmero y porcentaje de valores perdidos

Media Desviacin tpica Nmero de valores extremadamente altos o bajos

Estadsticos para las variables de indicador

Tablas de contingencia de variables categricas y de indicador. Para cada variable categrica se

estadsticos descriptivos de los valores perdidos desea ver.

Estimacin de los estadsticos e imputacin de los valores perdidos

9 Anlisis de valores perdidos

valores perdidos desea estimar utilizando el mtodo EM.

informacin, consulte Variables pronosticadas y predictoras el p. 12.

Opciones de estimacin de regresin

11 Anlisis de valores perdidos

completos, para aadirlos a las estimaciones de regresin.

predictoras (independientes) utilizadas en el proceso de estimacin.

valores perdidos desea estimar utilizando el mtodo de regresin.

informacin, consulte Variables pronosticadas y predictoras el p. 12.

Variables pronosticadas y predictoras

valores perdidos desea estimar utilizando el mtodo de regresin.

Funciones adicionales del comando MVA

Generacin de nmeros aleatorios. El procedimiento utiliza la generacin de nmeros

Elija en los mens:

E Seleccione al menos dos variables de anlisis. El procedimiento analiza patrones de datos

perdidos en estas variables.

Imputar valores perdidos

Para imputar valores perdidos

Elija en los mens:

E Elija al menos dos variables en el modelo de imputacin. El procedimiento imputa valores

mltiples para los datos perdidos de estas variables.

Especificacin totalmente condicional. ste es un mtodo de Monte Carlo y cadenas de

Mostrar. Controla la visualizacin de resultados. Siempre se muestra un resumen de imputacin

Estadsticos descriptivos. Esto muestra estadsticos descriptivos para variables dependientes

Funciones adicionales del comando MULTIPLE IMPUTATION

Trabajo con datos de imputacin mltiple

Activacin de un conjunto de datos de imputacin mltiple para su anlisis

26 Captulo 3 Figura 3-7 Editor de datos con marcas de imputacin desactivadas

Para activar las marcas, elija en los mens:

27 Imputacin mltiple Figura 3-9 Cuadro de dilogo Ir a

Tambin puede seleccionar la imputacin en la lista desplegable de la barra de edicin.

Anlisis de datos de imputacin mltiple

Combinacin de resultados tabulares. De manera predeterminada, cuando ejecuta un

Combinacin de PMML. Tambin puede obtener la combinacin de PMML a partir de

Los resultados se combinan utilizando uno de los dos niveles siguientes:

La Tabla de contingencia admite Recuento, % dentro (variable) y % de total en la combinacin Naive.

La tabla Informe admite Media en la combinacin Univariante y N en la combinacin Naive.

Prueba T para una muestra

Prueba T para muestras independientes

Prueba T para muestras relacionadas