[Skip Global Navigation]

Amos™

Inicio Amos

 Contacto

Estimación con la aplicación de Missing Values

En este ejemplo, un mecanismo genera valores perdidos aleatorios en la variable dependiente. El uso de una regresión ordinaria conduce a una estimación sesgada, mientras que el uso de Amos nos lleva a una mejor estimación.

En una muestra de 400, consideremos dos variables estandarizadas, X e Y, con una correlación de 0,6.  La ecuación que relaciona X a Y es:

Y = 4 + 0,6*X + error

A continuación, supongamos que se pierden algunas observaciones de Y. El mecanismo el cual hace que se pierdan algunos valores de Y es un mecanismo aleatorio:

compute ind=0.
compute u=uni(10).
if ( (x > 0) and (u < 4) ) ind=1.
compute ymiss=y.
if (ind=1) ymiss=-999

Que el valor de Y esté perdido o no está sujeto al valor de X. Si X es negativa, Y tendrá un valor determinado, y si X es positiva, hay un 40 % de probabilidades de que el valor de Y se pierda aleatoriamente. La variable dependiente resultante se llama YMISS.

Los estadísticos descriptivos de X y YMISS se muestran a continuación.


Haga clic para ampliar la imagen

Nótese que X tiene 400 observaciones, una media de 0 y una desviación estándar de 1, mientras que YMISS tiene 331 observaciones no perdidas.

Supongamos que se hace una regresión de YMISS en X. A continuación se presentan los resultados.


Haga clic para ampliar la imagen

Los estadísticos descriptivos de X y YMISS se muestran aquí.
Es posible especificar regresiones en Amos como se explica a continuación.

Se observa a X y a YMISS, mientras que el término de error de regresión no se observa. El valor del parámetro del término de error de YMISS se fija en uno, mientras que el parámetro del camino de X a YMISS debe estimarse. En Amos, se deberá seleccionar Ver/Configurar las propiedades del análisis (View/Set Análisis Properties), luego se seleccionará la pestaña de estimación y se deberá marcar “Estimación de medidas e intersecciones” (Estimated means and intercepts).


Haga clic para ampliar la imagen

Cuando Amos lee el archivo de datos, encontrará datos perdidos y automáticamente utilizará información de la estimación de máxima verosimilitud.

A continuación se tiene una solución Amos no estandarizada.

A continuación se tiene una solución Amos estandarizada.


Finalmente, se tiene una muestra de la salida de texto de Amos.


Haga clic para ampliar la imagen

Amos estima la intersección en 3,983, casi 4, y estima el coeficiente de regresión estandarizada en 0,591, casi 0,6.