Imputação de dados faltantes

• Autor(a) principal: Martins, Paola da Silva
• Data de Publicação: 2017
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: https://app.uff.br/riuff/handle/1/14853
• topic: Métodos de imputação; Mecanismos de dados faltantes; Imputação simples; Imputação múltipla; Método MICE; Estatística; Modelagem

É muito comum em pesquisas depararmos com dados faltantes que podem ter ocorrido por diferentes motivos, por razões aleatóorias ou não, como por exemplo, um erro de digitação ou um entrevistado que não responde uma pergunta pessoal. A razão para um dado ser faltante é chamada de Mecanismo de Dados Faltantes, que são caracterizados em três categorias diferentes: MCAR, MAR e MNAR. Esse trabalho apresenta alguns métodos de imputação desses dados faltantes, ou seja, maneiras de substituir o dado faltante por algum valor. Foram criados três bancos sintéticos completos e depois foram excluídos alguns valores para serem faltantes de acordo com os três mecanismos. Para cada um desses bancos com dados faltantes foi feita a imputação por métodos de Imputação Simples e Múltipla. Após a imputação foram feitas análises estatísticas a fim de comparar os resultados dessas análises com as do banco original e assim verificar qual desses métodos de imputação foi mais eficiente entre os testados. Esses resultados mostraram que o método de Imputação Múltipla pelo MICE foi bastante eficiente em dois bancos e ineficiente para o outro banco. Os bancos que o método de Imputação Múltipla MICE apresentou melhores resultados foram justamente aqueles em que as variáveis assumiram alguma dependência, já o banco em que as variáveis eram independentes o método de imputação com melhor resultado foi o método ingênuo