Sporala red del conocimiento
EN
Pontificia Universidad Javeriana

Ciencia de Datos

Imputación múltiple libre de distribución basada en descomposición en valores singulares robusta: Una comparación empírica

Este estudio desarrolla, valida y compara un enfoque de imputación múltiple (IM) basado en variantes robustas de la Descomposición en Valores Singulares (SVD), específicamente rSVD84, rSVD01 y un híbrido rSVD84 01, para abordar datos faltantes bajo diferentes mecanismos y niveles de contaminación. El objetivo es lograr imputaciones confiables bajo escenarios MCAR, MAR y MNAR, manteniendo la robustez frente a valores atípicos. Los modelos propuestos se comparan con Bootstrap Bayesiano Aproximado (ABB) e Imputación Multivariada por Ecuaciones Encadenadas (MICE) mediante simulaciones controladas y conjuntos de datos del mundo real. Los resultados de la simulación indican que, bajo contaminación moderada, los modelos basados ​​en SVD tienen un rendimiento competitivo: superan consistentemente a ABB y se mantienen libres de distribución, aunque generalmente no alcanzan la eficiencia de MICE. Bajo valores atípicos extremos, los modelos SVD demuestran una clara ventaja, manteniendo una precisión estable a medida que aumentan los valores faltantes, siendo rSVD84 el que exhibe la mayor robustez. El escenario MNAR sigue siendo el más desafiante para todos los métodos, produciendo una menor precisión predictiva y una mayor variabilidad entre imputaciones. En conjuntos de datos reales multivariados, los métodos basados ​​en SVD producen resultados mixtos y a menudo tienen un rendimiento inferior en relación con MICE y ABB, probablemente porque la aleatorización de estilo bootstrap inherente a estos métodos es más adecuada para las estructuras de genotipo por entorno (GxE) que para los datos multivariados genéricos. En muestras muy pequeñas, estos modelos no pueden explotar completamente su mecanismo de aleatorización, lo que lleva a imputaciones inestables. En general, los métodos robustos de SVD preservan la precisión predictiva en presencia de valores atípicos extremos, pero a costa de una mayor varianza entre imputaciones, lo que indica una mayor incertidumbre de imputación. Si bien la imputación robusta basada en SVD puede aproximarse al rendimiento de las líneas base establecidas, rara vez logra el error de predicción más bajo, lo que sugiere que las fortalezas observadas en las simulaciones no siempre se generalizan a diversas aplicaciones del mundo real.

Texto completo 101 páginas con texto

Leer la tesis completa Ficha en el repositorio

Contenido

Palabras clave