Estimación e imputación de datos faltantes en modelos longitudinales con variable respuesta tipo Poisson y Binomial Negativa con exceso de ceros

El objetivo de esta investigación es la estimación e imputación de datos faltantes en modelos longitudinales con variable respuesta tipo Poisson y Binomial Negativa cero inflada. Para responder al objetivo de está investigación, se propone una metodología que se basa en el uso de la máxima verosimilitud. Se supone que los datos son faltantes de forma aleatoria (FFA), en cada uno de los tiempos se hace uso del algoritmo EM: en el paso E se realiza una regresión ponderada, condicionada a los tiempo anteriores que son tomados como covariables, utilizando la propuesta de Ibrahim (1990). En el paso M se realiza la estimación e imputación de los datos faltantes utilizando la propuesta de Ayala y Melo (2007). La metodología propuesta es aplicada para el caso Poisson cero inflado en el estudio relacionado con el crecimiento del maíz presentado en Da Costa (2003). En el caso Binomial Negativa cero inflada, se aplica a un estudio del forrajeo del polen presentado en Rodríguez (2014).

• Autores: Martinez Lobo, Danny Samuel
• Fecha de publicación: 2019
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/69311
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/69311; http://bdigital.unal.edu.co/70973/
• Palabra clave: 5 Ciencias naturales y matemáticas / Science; 51 Matemáticas / Mathematics; Modelos Longitudinales; Algoritmo EM; Poisson cero inflada; Binomial negativa cero inflada; Imputación; Datos faltantes; Longitudinal Models; EM Algorithm; Poisson Zero Inflated; Negative Zero Binomial Inflated; Imputation; Missing data
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional