GRATIS

Cómo manejar datos faltantes

  • money

    Cursos gratis (Auditar)

    question-mark
  • earth

    Español

  • folder

    NaN

  • certificate

    Guía de Registro en Coursera

    arrow
Acerca de este curso

  • Pasos generales en la ponderación
    • Se requieren las ponderaciones para expandir una muestra y transformarla en una población. Para lograrlo, es posible que las ponderaciones corrijan los errores de cobertura en el marco del muestreo, ajusten la no respuesta y reduzcan las varianzas de los estimadores al incorporar covariables. Se indican en el módulo 1 la serie de pasos que se deben realizar.
  • Pasos específicos
    • Los pasos específicos para realizar ponderaciones incluyen computar ponderaciones base, efectuar ajustes si hay casos de cuya elegibilidad no estamos seguros, ajustar para no respuestas y usar covariables para calibrar la muestra para los controles de población externos. Brindamos información detallada específica sobre los pasos generales.
  • Implementar los pasos
    • El software es crucial a la hora de implementar los pasos, pero el sistema R es una fuente excelente de rutinas gratuitas. En este módulo, se hablará de diversos paquetes en R que incluyen sampling, survey y PracTools, que permiten seleccionar muestras y computar ponderaciones.
  • Imputación para elementos faltantes
    • En la mayoría de las encuestas, se encontrarán elementos para los que los respondedores no brindarán información, aunque sí proporcionó datos suficientes en el instrumento de recopilación de datos para considerarlo “completo”. Si solo se retuvieran los casos con todos los elementos completados cuando se ajusta un modelo, se excluirían varios casos del análisis. Imputar los elementos faltantes evita desestimar los casos faltantes. En este módulo, tratamos métodos para hacer la imputación y para reflexionar sobre los efectos de las imputaciones en los errores estándar.
  • Resumen del curso 5
    • Resumimos brevemente los métodos de ponderación e imputación que tratamos en el curso 5.