Imputación de datos faltantes en las variables de ingreso en la Encuesta Nacional sobre Salud y Envejecimiento en México
La presencia de datos faltantes, conocidos como Missing Values o missing data, es una situación habitual a la que se enfrentan tanto investigadores como tomadores de decisiones. Este estudio no es una excepción, ya que se basa en la Encuesta Nacional sobre Salud y Envejecimiento en México (ENASEM),...
| Autor principal: | |
|---|---|
| Formato: | Artículo |
| Lenguaje: | español |
| Publicado: |
Universidad Autónoma de Nuevo León
2025
|
| Materias: | |
| Acceso en línea: | https://vinculategica.uanl.mx/index.php/v/article/view/1099 |
| _version_ | 1836397350284689408 |
|---|---|
| author | Villagra-Fuentes, Guillermo Andrés |
| author_facet | Villagra-Fuentes, Guillermo Andrés |
| author_sort | Villagra-Fuentes, Guillermo Andrés |
| collection | Artículos de Revistas UANL |
| description | La presencia de datos faltantes, conocidos como Missing Values o missing data, es una situación habitual a la que se enfrentan tanto investigadores como tomadores de decisiones. Este estudio no es una excepción, ya que se basa en la Encuesta Nacional sobre Salud y Envejecimiento en México (ENASEM), la cual es longitudinal y está dirigida a personas mayores de 50 años, lo que hace que la presencia de valores faltantes sea evidente.
Para este estudio en particular, se ha decidido abordar especialmente los valores faltantes en tres áreas principales: variables de ingreso, gasto y activos. La propuesta consiste en emplear el método de imputaciones múltiples bajo el supuesto de Missing at Random (MAR).
De un total de variables faltantes de 28,892, se logró imputar el 100% de estas. Se observó que la mayor concentración de valores faltantes se encontraba en la ronda 2001, disminuyendo en las rondas siguientes. En cuanto a las secciones de la encuesta, se encontró que la que presentaba la mayor cantidad de valores faltantes, los cuales fueron imputados, era la de activos, con un 67%, seguida por la de ingresos con un 19% y la de gastos con un 13%. |
| first_indexed | 2025-06-30T23:09:47Z |
| format | Article |
| id | vinculategica-article-1099 |
| institution | UANL |
| language | spa |
| last_indexed | 2025-06-30T23:09:47Z |
| physical | Vinculategica efan; Vol. 11 No. 3 (2025): VinculaTégica EFAN 11(3) May - June 2025; 141-161 Vinculatégica EFAN; Vol. 11 Núm. 3 (2025): VinculaTégica EFAN 11(3) Mayo - Junio 2025; 141-161 2448-5101 |
| publishDate | 2025 |
| publisher | Universidad Autónoma de Nuevo León |
| record_format | ojs |
| spelling | vinculategica-article-10992025-06-21T06:45:52Z Imputation of missing data in the income variables in the National Survey on Health and Aging in Mexico Imputación de datos faltantes en las variables de ingreso en la Encuesta Nacional sobre Salud y Envejecimiento en México Villagra-Fuentes, Guillermo Andrés imputación múltiple personas mayores ingresos C15 I31 I32 Multiple imputation elderly individuals income C15 I31 I32 The presence of missing data, also known as Missing Values or missing data, is a common situation faced by both researchers and decision-makers. This study is no exception, as it is based on the National Survey on Health and Aging in Mexico (ENASEM), which is longitudinal and targeted at individuals over 50 years old, making the presence of missing values evident. For this particular study, special attention has been given to missing values in three main areas: income, expenditure, and assets variables. The proposal involves employing the method of multiple imputations under the assumption of Missing at Random (MAR). Out of a total of 28,892 missing variables, 100% of these were successfully imputed. It was observed that the highest concentration of missing values was found in the 2001 round, decreasing in subsequent rounds. Regarding the survey sections, it was found that the one with the highest percentage of missing values, which were imputed, was the assets section, with 67%, followed by the income section with 19%, and the expenditure section with 13%. La presencia de datos faltantes, conocidos como Missing Values o missing data, es una situación habitual a la que se enfrentan tanto investigadores como tomadores de decisiones. Este estudio no es una excepción, ya que se basa en la Encuesta Nacional sobre Salud y Envejecimiento en México (ENASEM), la cual es longitudinal y está dirigida a personas mayores de 50 años, lo que hace que la presencia de valores faltantes sea evidente. Para este estudio en particular, se ha decidido abordar especialmente los valores faltantes en tres áreas principales: variables de ingreso, gasto y activos. La propuesta consiste en emplear el método de imputaciones múltiples bajo el supuesto de Missing at Random (MAR). De un total de variables faltantes de 28,892, se logró imputar el 100% de estas. Se observó que la mayor concentración de valores faltantes se encontraba en la ronda 2001, disminuyendo en las rondas siguientes. En cuanto a las secciones de la encuesta, se encontró que la que presentaba la mayor cantidad de valores faltantes, los cuales fueron imputados, era la de activos, con un 67%, seguida por la de ingresos con un 19% y la de gastos con un 13%. Universidad Autónoma de Nuevo León 2025-05-30 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Peer-reviewed Article Artículo evaluado por pares application/pdf https://vinculategica.uanl.mx/index.php/v/article/view/1099 10.29105/vtga11.3-1099 Vinculategica efan; Vol. 11 No. 3 (2025): VinculaTégica EFAN 11(3) May - June 2025; 141-161 Vinculatégica EFAN; Vol. 11 Núm. 3 (2025): VinculaTégica EFAN 11(3) Mayo - Junio 2025; 141-161 2448-5101 spa https://vinculategica.uanl.mx/index.php/v/article/view/1099/1112 Derechos de autor 2024 Guillermo Andrés Villagra Fuentes https://creativecommons.org/licenses/by/4.0 |
| spellingShingle | imputación múltiple personas mayores ingresos C15 I31 I32 Multiple imputation elderly individuals income C15 I31 I32 Villagra-Fuentes, Guillermo Andrés Imputación de datos faltantes en las variables de ingreso en la Encuesta Nacional sobre Salud y Envejecimiento en México |
| thumbnail | https://rediab.uanl.mx/themes/sandal5/images/article.gif |
| title | Imputación de datos faltantes en las variables de ingreso en la Encuesta Nacional sobre Salud y Envejecimiento en México |
| title_alt | Imputation of missing data in the income variables in the National Survey on Health and Aging in Mexico |
| title_full | Imputación de datos faltantes en las variables de ingreso en la Encuesta Nacional sobre Salud y Envejecimiento en México |
| title_fullStr | Imputación de datos faltantes en las variables de ingreso en la Encuesta Nacional sobre Salud y Envejecimiento en México |
| title_full_unstemmed | Imputación de datos faltantes en las variables de ingreso en la Encuesta Nacional sobre Salud y Envejecimiento en México |
| title_short | Imputación de datos faltantes en las variables de ingreso en la Encuesta Nacional sobre Salud y Envejecimiento en México |
| title_sort | imputacion de datos faltantes en las variables de ingreso en la encuesta nacional sobre salud y envejecimiento en mexico |
| topic | imputación múltiple personas mayores ingresos C15 I31 I32 Multiple imputation elderly individuals income C15 I31 I32 |
| topic_facet | imputación múltiple personas mayores ingresos C15 I31 I32 Multiple imputation elderly individuals income C15 I31 I32 |
| url | https://vinculategica.uanl.mx/index.php/v/article/view/1099 |
| work_keys_str_mv | AT villagrafuentesguillermoandres imputationofmissingdataintheincomevariablesinthenationalsurveyonhealthandaginginmexico AT villagrafuentesguillermoandres imputaciondedatosfaltantesenlasvariablesdeingresoenlaencuestanacionalsobresaludyenvejecimientoenmexico |