CONICET | Buscador de Institutos y Recursos Humanos

En determinados trabajos de investigación es frecuente encontrarse con una gran cantidad de datos faltantes ocasionados por cuestiones fortuitas, olvidos u omisiones. Por este motivo se han desarrollado trabajos en los cuales se compara entre variadas técnicas multivariadas, para determinar cuál de ellas es más robusta ante la presencia de estos datos faltantes. Más allá de la metodología seleccionada por el investigador, en ocasiones la falta de información no permite hallar la distancia entre dos individuos. Así, ciertas técnicas como el Análisis de Coordenadas Principales a partir del coeficiente de similaridad de Gower (1971) no pueden desarrollarse, debido a que no puede obtenerse la matriz de distancia entre individuos. El objetivo de este trabajo es determinar una función que permita acotar el porcentaje de matrices en las cuales no se puede calcular la distancia entre por lo menos dos individuos (matrices con algún elemento indeterminado). Para decidir entre diferentes técnicas, se estudia el comportamiento de las mismas, generando matrices que combinan variables categóricas y continuas, que respetan las estructuras de correlación más relevantes de una base de datos empírica. Las matrices se simularon mediante una rutina programada en el paquete estadístico R, contemplando diferentes tamaños de muestra y distintas combinaciones de variables cuantitativas y cualitativas. Modificando la proporción de faltantes se extrajeron datos de manera aleatoria y se observó la proporción empírica de matrices de distancias en las cuales no se podía establecer al menos la relación entre un par de individuos. De esta forma puede establecerse no sólo si la proporción de faltantes no altera significativamente los resultados de un estudio, sino también permite estimar la probabilidad de que el estudio pueda llevarse a cabo sin eliminar individuos de la base de datos.