Estimación de datos faltantes en medidas repetidas con respuesta binaria

Se propone una metodología para la estimación de datos faltantes en condiciones longitudinales con respuesta binaria, desde una perspectiva univariada, basada en máxima verosimilitud. Suponiendo que las respuestas son faltantes de forma aleatoria (FFA), en cada una de las ocasiones se emplea el algoritmo EM de dos formas distintas: en la primera, el paso E se expresa como una log-verosimilitud ponderada de la respuesta, condicionada a las anteriores ocasiones tomadas como covariables adicionales, con base en el método de Ibrahim (1990) para covariables categóricas faltantes, obteniendo de esta forma estimadores máximo verosímiles. En la segunda, en el paso E se realiza la estimación e imputación de datos faltantes basada en el método Ancova de Bartlett (1937). La metodología propuesta es aplicada en un caso de estudio relacionado con factores de riesgo coronario, presentado en Fitzmaurice et al. (1994).

• Autores: Ayala, Yolima; Melo, Óscar Orlando
• Tipo de recurso: Article of journal
• Fecha de publicación: 2007
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/40601
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/40601; http://bdigital.unal.edu.co/30698/
• Palabra clave: datos longitudinales; regresión logística; máxima verosimilitud; algoritmo EM; Longitudinal data; Logistic regression; Maximum likelihood; EM algorithm
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional