Procedimiento iterativo para la predicción de covariables perdidas asociadas a un estudio de respuesta longitudinal

Abstract

Muchos son los supuestos que se requieren para poder modelar datos que provienen de un estudio longitudinal, entre estos es de destacar la necesidad de contar con una base de datos completa en el escenario del análisis estadístico. El diseño de procedimientos que permitan la predicción de valores perdidos en los registros evaluados reiteradamente para cada unidad experimental toman una importancia relevante hoy en día, mas aun cuando hay supuestos de por medio que aluden a dependencia entre la respuesta observada y aquella que es ausente. El presente trabajo pretende dar a conocer un procedimiento basado en ciclos iterativos que permite predecir información no-observada en las covariables continuas asociadas a la respuesta longitudinal bajo el supuesto de dependencia en la pérdida dado por un patrón MAR. Este procedimiento se basa en el diseño de modelos marginales, defiidos cada uno de ellos por modelos aditivo fundamentado en bases de Spline cúbicos y ajustados por validación cruzada que da origen a un parámetro de suavizamiento oportuno para definir un ajuste adecuado a la hora de predecir aquellos datos que por razones ajenas al evento aleatorio están perdidos.

Abstract. Many are the assumptions that are needed to be able to shape data that come from a longitudinal study, between these it is of emphasizing the need to be provided with a finished database in the scenario of the statistical analysis. The design of procedures that allow the prediction of missing values in the records evaluated repeatedly for each experimental unit take a relevant importance today even more when there are assumptions that allude to dependency between the response observed and that which is absent. The present work aims to promote a procedure based on iterative cycles that allows predict non-observed information in the covariates associated with the longitudinal response under the assumption of dependence given by a MAR pattern. This procedure is based on the design of marginal models defined each of them by additive models based on foundations of cubic Spline and adjusted by crossvalidation that gives origin to a timely finishing smoothing parameter to defe