MÉTODOS DE IMPUTACIÓN SIMPLE Y MÚLTIPLE PARA VALORES PERDIDOS DE FORMA ALEATORIA
- INFORMACIÓN GENERAL
| Departamento Académico: | EPIDEMIOLOGÍA |
| Fecha de realización: | Desde 15/06/2015 hasta 19/06/2015 |
| Precio de matrícula: | 150 € |
| Horario: | MAÑANA |
| Número de plazas: | 20 |
| Dirección Académica: | CASTELLO PASTOR, ADELA |
| Coordinación Académica: | ALEJOS FERRERAS, BELEN |
| Fecha límite de preinscripción: | 05/06/2015 |
- PRESENTACIÓN Y OBJETIVOS
La existencia de datos perdidos es común en estudios epidemiológicos. La práctica más frecuente para enfrentarse a este tipo de datos es realizar el análisis utilizando solo la información completa. Sin embargo, este enfoque presenta varias limitaciones entre las cuales podemos destacar la pérdida de poder estadístico para llevar a cabo nuestros análisis y la introducción de sesgos en nuestras estimaciones.
La imputación es un procedimiento que utiliza la información contenida en la muestra para asignar un valor a aquellas variables que tienen registros con el valor ausente. La razón principal por la cual se realiza imputación es obtener un conjunto de datos completo y consistente al cual se le pueden aplicar técnicas estadísticas ordinarias.
- PERFIL Y REQUISITOS DE LOS PARTICIPANTES
Dirigido a epidemiólogos con conocimientos avanzados de estadística y epidemiología.
* Familiaridad con el paquete estadístico STATA (no es imprescindible pero facilita la comprensión)
* Conocimientos estadísticos avanzados: Estadísticos descriptivos (media, mediana, moda, desviación estándar), Contrastes de hipótesis e Intervalos de confianza, Métodos de regresión (regresión lineal, logística binaria, logística ordinal, logística multinomial, poisson).
* Conocimientos epidemiológicos avanzados: Sesgo, confusión, interacción.
- PROGRAMA (estructura y contenidos)
Sesión 1: Introducción.
Definiciones y conceptos clave; Tipos de datos faltantes; Explorar datos faltantes; Presentación de datos faltantes; Tratamiento de datos faltantes sin imputación; Tratamiento de datos faltantes con imputación; Recordando: Construir un modelo predictivo.
Sesión 2: Imputación simple univariable..
Introducción; Métodos de Imputación Simple; Imputación por la media; Otros métodos de imputación simple; Imputación por regresión; Imputación por regresión determinística; Imputación por regresión estocástica.
Sesión 3: Imputación múltiple univariable..
Introducción; Definición y proceso de imputación; Estimación del efecto y su varianza; Formato de almacenamiento de las imputaciones; Ejemplo práctico; Definición de variables pasivas; Interacciones.
Sesión 4: Imputación múltiple por ecuaciones encadenadas.
Introducción; Definición; Modelo más adecuado para mis datos; Selección de variables; Imputación de la variable respuesta; Número de imputaciones; Valoración del modelo
Sesión 5: Análisis de sensibilidad.
Introducción a los análisis de sensibilidad; Análisis de casos completos (Complete-Case analysis); Imputation driven: análisis de valores extremos; como presentar mi análisis con datos faltantes
- METODOLOGÍA DOCENTE Y DE EVALUACIÓN
El curso se distribuye en 5 sesiones de 5 horas de las cuales 2h30m se dedicaran a teoría impartida por una de las docenes y 2h30m de práctica supervisada por ambas. En la clase de teoría se introducirá tanto la metodología y los comandos de stata necesarios para llevar a cabo los análisis. En la clase de prácticas el alumno realizará una serie de ejercicios de forma independiente pero supervisada por ambas docentes. Al final de la sesión de prácticas las docentes resolverán la práctica con la participación de los alumnos.
Al inicio del curso se facilitará a los alumnos las diapositivas que contienen la teoría de las clases, así como el documento necesario para las prácticas. Al final de cada sesión se enviará a los alumnos por correo electrónico las prácticas resueltas.
Dado que se trata de un curso de formación no se evaluará a los alumnos.
Volver