Revista
de la
Universidad
del Zulia
Fundada en 1947
por el Dr. Jesús Enrique Lossada
77
ANIVERSARIO
DEPÓSITO LEGAL ZU2020000153
ISSN 0041-8811
E-ISSN 2665-0428
Ciencias
Exactas,
Naturales
y de la Salud
Año 15 N° 43
Mayo - Agosto 2024
Tercera Época
Maracaibo-Venezuela
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 15, N° 43, 2024
E. F. Mejía-Peñafiel et al// Métodos de imputación por regresión, imputación por moda... 541-555
DOI: https://doi.org/10.46925//rdluz.43.29
541
Métodos de imputación por regresión, imputación por moda, imputación
múltiple y árboles de decisión para variables categóricas en perspectiva
comparada
Edwin Fernando Mejía-Peñafiel*
Johanna Enith Aguilar-Reyes**
Paulina Fernanda Bolaños-Logroño***
Jorge Rigoberto López-Ortega****
RESUMEN
La imputación por regresión, la imputación por moda, la imputación múltiple y los árboles de
decisión son métodos utilizados para tratar valores faltantes en variables categóricas. En este
contexto, el objetivo de la investigación consiste en definir los criterios para comparar estos
métodos, estableciendo en el proceso sus semejanzas y diferencias conceptuales. En lo
metodológico, se hizo uso del método comparativo y del análisis epistemológico como
condición de posibilidad para entender el alcance y significo de cada uno de estos métodos, con
arreglo al acopio de fuentes documentales de comprobado valor científico. Aunque parciales y
limitados, los resultados obtenidos respaldan la hipótesis de que la estadística es una ciencia en
desarrollo que requiere del dialogo inter-metodológico, como condición de posibilidad para
obtener resultados más precisos, incluso cuando faltan ciertos datos en una ecuación. En
última instancia, este trabajo sienta las bases para futuras investigaciones que podrían
profundizar en la perspectiva comparada de ciertos métodos y herramientas de investigación,
como los que se enuncian en el título del artículo.
PALABRAS CLAVE: Estadística, imputación por regresión, imputación por moda,
imputaciones múltiples, árboles de decisión.
*Docente en la Escuela Superior Politécnica de Chimborazo, Riobamba – Ecuador. ORCID:
https://orcid.org/0000-0001-6888-4621. E-mail: efmejia@espoch.edu.ec
** Docente en la Escuela Superior Politécnica de Chimborazo, Riobamba – Ecuador. ORCID:
https://orcid.org/0000-0002-1230-2503. E-mail: johannae.aguilar@espoch.edu.ec.
***Docente en la Escuela Superior Politécnica de Chimborazo, Riobamba – Ecuador. ORCID:
https://orcid.org/0000-0003-3911-0461. E-mail: paulina.bolanos@espoch.edu.ec
****Docente Investigador en el Grupo Ciencia de Datos CIDED - Escuela Superior Politécnica de Chimborazo
(ESPOCH), Riobamba - Ecuador. ORCID: https://orcid.org/0000-0002-4790-6876. E-mail:
jorge.lopezo@espoch.edu.ec
Recibido: 20/02/2024 Aceptado: 12/04/2024
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 15, N° 43, 2024
E. F. Mejía-Peñafiel et al// Métodos de imputación por regresión, imputación por moda... 541-555
DOI: https://doi.org/10.46925//rdluz.43.29
542
Methods of Imputation by Regression, Imputation by Mode, Multiple
Imputation and Decision Trees for Categorical Variables in Comparative
Perspective
ABSTRACT
Regression imputation, mode imputation, multiple imputation and decision trees are methods
used to deal with missing values in categorical variables. In this context, the objective of the
research is to define the criteria for comparing these methods, establishing in the process their
conceptual similarities and differences. Methodologically, use was made of the comparative
method and epistemological analysis as a condition of possibility to understand the scope and
significance of each of these methods, based on the collection of documentary sources of
proven scientific value. Although partial and limited, the results obtained support the
hypothesis that statistics is a developing science that requires inter-methodological dialogue
as a condition of possibility to obtain more accurate results, even when certain data are
missing in an equation. Ultimately, this work lays the groundwork for future research that
could deepen the comparative perspective of certain research methods and tools, such as those
stated in the title of the article.
KEYWORDS: Statistics, regression imputation, mode imputation, multiple imputations,
decision trees.
Introducción
Normalmente los métodos por imputación se utilizan para datos faltantes en análisis
estadísticos, con énfasis en el caso de variables categóricas. En este contexto, los métodos de
imputación se dividen en un conjunto de sub-métodos con procedimientos particulares, tales
como: a) Imputación múltiple: el cual es apropiado en la estadística bayesiana y la información
de la muestra para realizar inferencia respecto de los parámetros. Tal como sostienen Alfaro y
Fuenzalida (2009), es ventajoso cuando la variable a imputar tiene características particulares
como en el caso de las variables discretas.
Del mismo modo, destaca dentro del menú de las opciones propias de los métodos por
imputación la llamada imputación por regresión, método que en su decurso utiliza modelos de
regresión para imputar los valores faltantes. Es adecuado para variables cuantitativas y permite
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 15, N° 43, 2024
E. F. Mejía-Peñafiel et al// Métodos de imputación por regresión, imputación por moda... 541-555
DOI: https://doi.org/10.46925//rdluz.43.29
543
relaciones no lineales entre las variables explicativas y la variable dependiente (Medina &
Galván, 2007).
Por su parte, destaca también la imputación por moda que precisamente imputa los
valores faltantes con la frecuencia más común de la variable y; los árboles de decisión, que son
esencialmente algoritmos de aprendizaje automático que se utilizan para clasificación de datos,
incluidos los datos con variables categóricas. Tendencialmente, son eficientes para categorizar
variables numéricas y permiten además relaciones no lineales entre las variables explicativas y
la variable dependiente. En palabras de Minguillon y Pujol:
Entre los sistemas de clasificacion los arboles de decision, los arboles de decision
constituyen uno de los metodos mas utilizados, por su simplicidad y por su facilidad de
construccion. No obstante, usalmente han sido sustituidos por otros metodos (redes
neuronales,
support vector machines
…) debido en parte a su dependencia de los conjunto
de datos utilizados en el entrenamiento y debido tambien a su limitada capacidad de
producir resultados (2015, p. 28).
De cualquier manera, es difícil determinar a priori el valor analítico de una herramienta
como los árboles de decisión, todo dependerá en último termino de la naturaleza de la
operación estadística o algorítmica que se quiera realizar y, más aún, de los datos disponibles.
Además de estas consideraciones en la práctica, la elección del método de imputación depende
del tipo de variable a imputar y del contexto del análisis. Finalmente, es importante tener en
cuenta que las imputaciones pueden introducir cierta incertidumbre en los resultados y que
ciertamente la imputación de datos faltantes no siempre es la mejor opción.
En este contexto epistemológico, es decir, en el marco de la filosofía de la ciencia que
reflexiona sobre el alcance y significado del conocimiento científico en general y sobre la
viabilidad de los métodos, teorías y técnicas de una disciplina en particular (Bunge, 2005) , el
objetivo de la investigación consiste en definir los criterios para comparar estos métodos,
estableciendo en el proceso sus semejanzas y diferencias conceptuales más destacadas.
El artículo se divide en 5 secciones, en la primera se describen las bases teóricas de la
investigación en términos de la literatura revisada selectivamente. Seguidamente, se explican
los fundamentos metodológicos del artículo. En la tercera sección, por su parte, se exponen las
características generales del tema abordado, para luego analizar los principales resultados
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 15, N° 43, 2024
E. F. Mejía-Peñafiel et al// Métodos de imputación por regresión, imputación por moda... 541-555
DOI: https://doi.org/10.46925//rdluz.43.29
544
obtenidos, sin ninguna pretensión erudita de arribar a verdades generales. Finalmente, se
presentan como un insumo valido para el debate y la discusión estadística, las principales
conclusiones de la investigación, en el entendido que se trata de una indagación parcial y
limitada en su alcance.
1. Balance teórico de la investigación
El presente apartado tiene un doble propósito, por un lado, aclara más allá de toda duda
razonable el sentido y significado que tienen para los autores de la investigación, los
principales conceptos y categorías de análisis que componen al tema, mucho más cuanto que,
la estadística es una disciplina de síntesis epistemológica que no está exenta de debates en su
fundamentos metódicos y conceptuales, de hecho, ninguna ciencia lo está. Por el otro, se
muestran al lector informado las principales influencias teóricas que hicieron posible el
desarrollo de este artículo.
En principio y tal como sostienen (Radío, 2017; Alfaro & Fuenzalida, 2009) la
imputación es el proceso de estimar y reemplazar los valores faltantes en un conjunto de datos.
Existen diversos métodos de imputación, cada uno con sus propias ventajas y desventajas. A
continuación, se describen de forma somera los métodos de imputación por regresión,
imputación por moda, imputación múltiple y árboles de decisión, en el sentido que son
asumidos por los autores de este artículo y en la forma como son descritos por la literatura
científica de mayor divulgación.
En líneas generales, la imputación por regresión, también conocida como método Buck,
utiliza un modelo de regresión para estimar los valores faltantes en una variable dependiente
basándose en las variables explicativas disponibles. Tal como explican Useche y Mesa (2006)
este método fue propuesto por primera vez por Buck en el año 1960 y se ha utilizado
ampliamente en el campo de la estadística y la investigación con diversos resultados.
Como complemento de la regresión, la imputación por moda es un método o
herramienta simple que reemplaza los valores faltantes en una variable categórica con el valor
de la categoría más frecuente en esa variable, lo que, llegado el caso, puede servir para mostrar
un panorama más o menos completo de las variables que se quieren medir, como condición de
posibilidad para cuantificar de forma racional determinados fenómenos (Bello, Cuta, & García,
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 15, N° 43, 2024
E. F. Mejía-Peñafiel et al// Métodos de imputación por regresión, imputación por moda... 541-555
DOI: https://doi.org/10.46925//rdluz.43.29
545
2019) . Aunque es un método sencillo, puede ser adecuado en algunas situaciones,
especialmente cuando los datos faltantes están distribuidos de manera aleatoria y no hay una
relación clara entre las variables (Rivas, Martínez, & Galindo, 2010) ; no obstante, conviene
preguntar entonces ¿Hasta qué punto se pueden sustituir por complete ciertos datos?
Por su parte, la imputación múltiple es un método que crea varias versiones completas
de un conjunto de datos con valores faltantes, cada una con diferentes estimaciones de los
valores faltantes. Luego, se combinan los resultados de estas versiones para obtener una
estimación final de los parámetros de interés estadístico. Definitivamente, la imputación
múltiple puede ser más precisa que otros métodos de imputación, ya que tiene en cuenta la
incertidumbre asociada con la estimación de los valores faltantes, tal como sostienen Muñoz y
Alvarez (2009).
En cuanto a los árboles de decisión son una técnica de aprendizaje automático que se
puede utilizar para la imputación de valores faltantes en variables categóricas o continuas. En
este método, se construye un árbol de decisión que divide el conjunto de datos en subconjuntos
homogéneos en función de las variables explicativas disponibles. Luego, se imputan los valores
faltantes en cada subconjunto utilizando diferentes métodos, como la imputación por la media
o la mediana (Minguillon & Pujol, 2015). Empero, como ya se dijo en la introducción se trata de
una técnica esquemática que, como los mapas semánticos o el análisis FODA dependen para su
correcta realización de la capacidad analítica y creativa del autor del estudio (Rivas, Martínez,
& Galindo, 2010).
Para los efectos particulares de este marco teórico, también fue importante la revisión de
la literatura sobre la Imputación basada en árboles de clasificación, como técnica que utiliza
árboles de decisión, entre otros dispositivos analíticos, para imputar valores faltantes en
variables categóricas. En este método, se divide la población respondiente en dos subconjuntos
aleatoriamente, y se utiliza el primer subconjunto para construir el árbol de decisión y, el
segundo subconjunto, para aplicar la imputación, Normalmente, esta técnica puede reducir el
error de imputación al evitar el error que se puede cometer al imputar mediante información
obtenida de los registros que han participado en la construcción del árbol (Alfaro &
Fuenzalida, 2009; Medina & Galván, 2007; Munoz & Alvarez, 2009)
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 15, N° 43, 2024
E. F. Mejía-Peñafiel et al// Métodos de imputación por regresión, imputación por moda... 541-555
DOI: https://doi.org/10.46925//rdluz.43.29
546
Cuadro No. 01: Modelo conceptual de árbol de decisión
Fuente: Tomado de Medium (2020).
De la interpretación de las fuentes recabadas se desprenden al menos tres conclusiones
básicas que conviene analizar: primero, existen diversos métodos de imputación que pueden
ser utilizados para tratar los valores faltantes en un conjunto de datos. Segundo, la elección del
método adecuado depende del tipo de variable, la distribución de los datos faltantes y el
objetivo del análisis. Tercero, la imputación por regresión, la imputación por moda, la
imputación múltiple y los árboles de decisión son algunos de los métodos más comunes que se
utilizan en la práctica de los estadísticos, sin embargo, no son las únicas opciones ni están
libres de errores o contradicciones intersecas a su propia naturaleza conceptual.
2. Metodología
Como se dijo desde el resumen, se hizo uso del método comparativo y del análisis
epistemológico como condición de posibilidad para entender el alcance y significo de la
imputación por regresión, imputación por moda, imputación múltiple y árboles de decisión, en
particular. Entendemos el método comparativo como una herramienta básica propia de las
ciencias sociales para develar, en este caso particular, las semejanzas y diferencias de diferentes
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 15, N° 43, 2024
E. F. Mejía-Peñafiel et al// Métodos de imputación por regresión, imputación por moda... 541-555
DOI: https://doi.org/10.46925//rdluz.43.29
547
herramientas metodológicas en el marco de la estadística. Nuestra visión de la comparación
metódica es subsidiaria de los aportes de Piovani & Krawczyk (2017), quienes se preguntan:
¿A qué nos referimos cuando hablamos de un acto de comparación? En el lenguaje
ordinario, siguiendo una clásica definición de diccionario, se presenta la comparación
como el acto de ‘observar dos o más cosas para descubrir sus relaciones o estimar sus
diferencias y semejanzas’. En el lenguaje epistemológico, se define como una operación
intelectual a través de la cual se cotejan los estados de uno (o más) objetos sobre la base
de al menos una propiedad común. (2017, p. 823)
Sin lugar a dudas, interesaron a los autores de este articulo la dimensión epistemológica
de la comparación, en la cual se cotejan los estados de objetos, ideales o reales, que tienen
algunas propiedades en común de conformidad con su naturaleza diferencial. En este orden de
ideas, el análisis epistemológico es una herramienta típica de la filosofía de la ciencia que busca
comprenden la esencia y existencia de saberes, conceptos, teorías o incluso metodologías, en el
contexto de la ciencia, disciplina o filosofía donde se producen y reproducen, bajo la impronta
de determinados intereses, científicos o incluso meta-científicos.
Tal como observan algunos epistemólogos consagrados, es decir, académicos que
estudian la teoría del conocimiento científico, entre los que destacan: Bunge (2005), Dancy
(1993) y Llano (1991) y otros. La producción científica, incluida la estadística, no puede
sustraerse del tiempo y espacio donde sucede como un fenómeno intelectual susceptible a la
investigación racional, que puede revelar al entendimiento, no solo su alcance y significado
epistémico, sino además, las condiciones políticas, económicas y sociales en la cuales estos
dispositivos se producen, nunca como elementos neutrales, sino como saberes condicionados
por prácticas, creencias, intereses e ideologías, razón por la cual la análisis epistemológico si
bien se origina en la filosofía es, por derecho propio, una forma de análisis histórico-holístico.
Aclarado lo anterior, conviene enfatizar que lo que aquí se hace no abarca toda la
dimensión histórica de lo que debe significar un verdadero análisis epistemológico, a lo sumo,
los autores de la investigación se conformaron con comparar las semejanzas y diferencias
esenciales de los métodos señalados, sin llegar a agotar toda su complejidad gnoseológica,
trabajo que por su dificultad intrínseca sobrepasa los límites del formato articulo científico.
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 15, N° 43, 2024
E. F. Mejía-Peñafiel et al// Métodos de imputación por regresión, imputación por moda... 541-555
DOI: https://doi.org/10.46925//rdluz.43.29
548
3.
Métodos de imputación por regresión, imputación por moda, imputación múltiple y
árboles de decisión para variables categóricas en perspectiva comparada
En este apartado, que representa metafóricamente el plato fuerte de la investigación, se
presenta el análisis comparativo de los métodos de imputación por regresión, imputación por
moda, imputación múltiple y árboles de decisión para variables categóricas, de forma ordenada,
con especial énfasis en los aspectos centrales de cada método.
3.1. Imputación por regresión
La imputación por regresión utiliza un modelo de regresión para predecir los valores
faltantes a partir de los valores observados de otras variables. Esencialmente, es una técnica
sencilla y rápida de implementar, pero puede introducir sesgos si los supuestos del modelo de
regresión no se cumplen. Por estas razones, funciona mejor para variables numéricas que para
variables categóricas.
3.2. Imputación por moda
La imputación por moda reemplaza los valores faltantes con el valor más frecuente (la
moda) de esa variable. Es un método simple y rápido, pero puede distorsionar la distribución
original de los datos. Normalmente, funciona mejor para variables categóricas que para
variables numéricas.
3.3. Imputación múltiple
La imputación múltiple genera múltiples conjuntos de datos imputados, ajusta un
modelo a cada uno, y combina los resultados para obtener estimaciones finales. Es más
compleja de implementar que los métodos anteriores, pero produce estimaciones menos
sesgadas, especialmente cuando los datos no son
Missing Completely At Random
(MCAR).
Definitivamente, puede aplicarse tanto a variables numéricas como categóricas.
3.4. Árboles de decisión
Los árboles de decisión son modelos de aprendizaje automático que pueden manejar
tanto variables numéricas como categóricas sin necesidad de transformaciones. Pueden
capturar interacciones complejas entre predictores sin requerir supuestos sobre la distribución
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 15, N° 43, 2024
E. F. Mejía-Peñafiel et al// Métodos de imputación por regresión, imputación por moda... 541-555
DOI: https://doi.org/10.46925//rdluz.43.29
549
de los datos. Por estas razones, son más favorables a valores atípicos que otros métodos.
Pueden lidiar con datos faltantes al realizar "particiones sustitutas" cuando una variable
predictora tiene un valor faltante.
Cuadro No. 02: Adaptación de la estructura de un árbol de decisión al campo de la valoración
inmobiliaria
Fuente: Tomado de (Guijarro, 2023).
En resumen, la imputación múltiple y los árboles de decisión son los métodos más
flexibles y robustos para manejar variables categóricas con datos faltantes, mientras que la
imputación por regresión y por moda tienen limitaciones cuando se trabaja con este tipo de
variables. A continuación, se presenta un cuadro comparativo que pretende ilustrar las
semejanzas y diferencias de cada método.
4. Discusión de resultados
En perspectiva comparada, los métodos de imputación por regresión, imputación por
moda e imputación múltiple son, más allá de sus diferencias y particularidades, métodos
utilizados para completar valores perdidos en datos, mientras que los árboles de decisión son
utilizados para clasificar y predecir resultados basados en datos existentes (Bello, Cuta, &
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 15, N° 43, 2024
E. F. Mejía-Peñafiel et al// Métodos de imputación por regresión, imputación por moda... 541-555
DOI: https://doi.org/10.46925//rdluz.43.29
550
García, 2019; Medina & Galván, 2007). Por su parte, la imputación por regresión es un método
paramétrico que utiliza modelos de regresión para predecir valores faltantes en variables
numéricas o categóricas, asumiendo una relación lineal entre las variables independientes y la
variable a imputar.
Cuadro No. 01: Comparativa general de los métodos objeto de estudio
Método
Función central
del método
Semejanzas
Diferencias
Observaciones
Imputación por
regresión
La imputación
por regresión
utiliza un modelo
de regresión para
predecir los
valores faltantes a
partir de los
valores
observados de
otras variables.
La imputación por
regresión tiende a ser
más precisa al
utilizar modelos para
predecir valores
faltantes, mientras
que la imputación
por moda y, los
demás métodos
abordados, son más
simples, pero la
regresión puede no
reflejar la realidad de
los datos.
En líneas generales, la
imputación por
regresión, puede
mantener mejor la
distribución original
de los datos, mientras
que los otros métodos,
más allá de sus
particularidades,
pueden distorsionarla
al imputar valores
comunes.
La imputación por
regresión es más
compleja al requerir
la construcción de
modelos, mientras
que la imputación
por moda es más
directa y fácil de
implementar.
Imputación por
moda
La imputación
por moda implica
reemplazar los
valores faltantes
con el valor más
común en una
variable. Como se
sabe, es un
método simple y
rápido de
imputación, pero
al mismo tiempo
adecuado para
variables
categóricas o
discretas.
Al igual que los
demás métodos, la
imputación múltiple
implica generar
múltiples conjuntos
de datos completos,
cada uno con valores
imputados de manera
diferente, para
reflejar la
incertidumbre en los
datos faltantes.
La imputación
múltiple tiende a ser
más precisa al
considerar la
incertidumbre y
generar múltiples
estimaciones,
mientras que la
imputación por moda
es más simple, pero
puede ser menos
precisa al imputar un
único valor común.
En contraste con los
otros métodos, la
imputación múltiple
es más compleja al
generar múltiples
conjuntos de datos
completos, mientras
que, por ejemplo, la
imputación por
moda es más directa
y fácil de
implementar.
En definitiva, la
imputación múltiple
es más sofisticada y
puede ofrecer
estimaciones más
robustas al
considerar la
incertidumbre en los
datos faltantes,
mientras que la
imputación por
moda es más simple,
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 15, N° 43, 2024
E. F. Mejía-Peñafiel et al// Métodos de imputación por regresión, imputación por moda... 541-555
DOI: https://doi.org/10.46925//rdluz.43.29
551
pero puede ser
menos precisa al
imputar un único
valor común. La
elección entre ambos
métodos dependerá
de la naturaleza de
los datos y la
importancia de
reflejar la
incertidumbre en las
estimaciones.
Imputación
múltiple y
árboles de
decisión
El método de
imputaciones
múltiples se
utiliza para
completar valores
perdidos en los
datos,
especialmente en
variables
categóricas. Esta
técnica utiliza
múltiples
conjuntos de
datos completos
para generar una
única estimación,
lo que mejora, al
menos en teoría,
la precisión de los
resultados y
permite
incorporar
información de
otras variables
(Imputación
múltiple en
variables
categóricas
usando data
augmentation y
árboles de
clasificación,
2010)
A semejanza de los
árboles de decisión,
la imputación
múltiple se utiliza
para comprender
procesos complejos
de toma de
decisiones y mejorar
la toma de decisiones
en diferentes ámbitos
de la vida en
sociedad. Los árboles
de decisión son
especialmente útiles
cuando la variable
objetivo es
categórica, es decir,
pertenece a un
conjunto discreto de
clases o categorías
(Novoa-Hernández,
Cobos-Valdes,
Samaniego-Mena, &
Novoa-Pérez, 2018).
En sentido estricto, la
diferencia de los
árboles de decisión en
comparación con los
otros métodos
abordados, no es en
ningún caso
categórica o
antagónica. Se trata
más bien de una
herramienta que
puede complementar
analíticamente a otros
métodos. Por ejemplo,
en el contexto de
variables categóricas,
el método de
imputaciones
múltiples puede ser
utilizado para
completar valores
perdidos antes de
aplicar los árboles de
decisión. La
imputación múltiple
permite manejar datos
incompletos y generar
estimaciones más
precisas, lo que puede
mejorar la calidad de
los datos y la
eficiencia del análisis
de los árboles de
decisión
En definitiva, el
método de
imputaciones
múltiples y los
árboles de decisión
son dos enfoques
útiles en el análisis
de datos,
especialmente en el
contexto de
variables
categóricas. La
imputación múltiple
puede ser utilizada
para completar
valores perdidos y
mejorar la calidad de
los datos, mientras
que los árboles de
decisión pueden ser
utilizados para
comprender
procesos complejos
de toma de
decisiones y mejorar
la toma de
decisiones
racionales, es decir,
aquellas que son
basan en el balance
de la relación costo-
beneficio
(Minguillon &
Pujol, 2015).
Fuente: Elaboración propia con arreglo al objetivo general de la investigación.
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 15, N° 43, 2024
E. F. Mejía-Peñafiel et al// Métodos de imputación por regresión, imputación por moda... 541-555
DOI: https://doi.org/10.46925//rdluz.43.29
552
La imputación por moda es un método simple que completa valores perdidos con la
frecuencia más común de la variable. En contraste, la imputación múltiple es un método que
combina varios conjuntos de datos completos para generar estimaciones más precisas de
valores faltantes. No obstante, en el caso de variables categóricas, los árboles de decisión son
útiles para clasificar y predecir resultados basados en datos existentes. Definitivamente, los
árboles de decisión utilizan algoritmos de aprendizaje automático para dividir los datos en
función de su capacidad para separar la variable objetivo de manera efectiva (Novoa-
Hernández, Cobos-Valdes, Samaniego-Mena, & Novoa-Pérez, 2018)
Tal como demostró el cuadro comparativo, los métodos de imputación por regresión,
imputación por moda e imputación múltiple son útiles para completar valores perdidos en
datos, mientras que los árboles de decisión son útiles para clasificar y predecir resultados
basados en datos existentes. Ambos enfoques tienen sus propias ventajas y desafíos y se
pueden utilizar en diferentes escenarios según las necesidades del análisis de datos y las
capacidades del equipo de investigación.
Conclusiones
Los resultados de nuestro análisis epistemológico en perspectiva comparada sostienen
que, los métodos de imputación, como la imputación múltiple, la imputación por moda y los
árboles de decisión, son importantes, o en determinados casos fundamentales, en el análisis de
datos para completar valores perdidos y mejorar la calidad general de los datos. Más
específicamente la imputación múltiple proporciona un análisis de los patrones de datos
perdidos y se utiliza para generar imputaciones múltiples, lo que permite el análisis de
conjuntos de datos completos con procedimientos que admiten conjuntos de datos de
imputación múltiple y vinculaciones inter metodológicas.
Por su parte, la imputación por moda es una técnica simple que subsana en lo posible los
valores perdidos con la frecuencia más común de la variable. En este marco general, los árboles
de decisión son útiles para comprender procesos complejos de toma de decisiones y mejorar la
toma de decisiones, ya que permiten dividir los datos en función de su capacidad para separar
la variable objetivo de manera efectiva. En conclusión, estos métodos son importantes para
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 15, N° 43, 2024
E. F. Mejía-Peñafiel et al// Métodos de imputación por regresión, imputación por moda... 541-555
DOI: https://doi.org/10.46925//rdluz.43.29
553
completar datos perdidos y mejorar la calidad de los datos, lo que resulta útil en el análisis de
datos y la toma de decisiones estadísticamente informada.
Por lo demás, los resultados obtenidos en este estudio, aunque parciales y limitados,
respaldan la hipótesis de que la estadística es una ciencia en desarrollo que requiere del dialogo
inter-metodológico, como condición de posibilidad para obtener resultados más precisos,
incluso cuando faltan ciertos datos en una ecuación.
Se ha demostrado de manera concluyente que herramientas como el análisis
epistemológico y el método comparativo tienen mucho que aportar para campos como la
estadística. Estos hallazgos no solo confirman la importancia de una visión renovada de las
ciencias exactas, sino que también abren nuevas vías de investigación y posibles aplicaciones
prácticas en las que se construyen puentes epistemológicos entre las ciencias sociales y las
ciencias exactas. En última instancia, este trabajo sienta las bases para futuras investigaciones
que podrían profundizar en la perspectiva comparada de ciertos métodos y herramientas de
investigación como la: imputación por regresión, imputación por moda, imputación múltiple y
árboles de decisión para variables categóricas ampliar nuestro entendimiento de estos temas y
otros similares.
Finalmente, los resultados presentados aquí tienen el potencial de impactar
positivamente en el entendimiento epistemológico de los saberes y métodos que estructuran a
la estadística, mucho más relevante cuanto que: “Los métodos estadísticos son ampliamente
utilizados en diferentes áreas del quehacer humano: el gobierno, los negocios, la educación, la
psicología, la sociología, la antropología, las ciencias del comportamiento, la agricultura, la
medicina, la biología y la física, entre otras” (Porras, 2019, p. 02).
Referencias
Alfaro, R., & Fuenzalida, M. (2009). Imputación múltiple en encuestas microeconómicas.
Nota
Técnica
, (46), 273-288. https://www.scielo.cl/pdf/cecon/v46n134/art07.pdf.
Bacallao Guerra, Jorge & Bacallao Gallestey, Jorge (2010). Imputación múltiple en variables
categóricas usando data augmentation y árboles de clasificación. Revista Investigacion Operacional,
31 (02), 133-139. En: file:///D:/Descargas/Dialnet-
ImputacionMultipleEnVariablesCategoricasUsandoData-3218968.pdf
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 15, N° 43, 2024
E. F. Mejía-Peñafiel et al// Métodos de imputación por regresión, imputación por moda... 541-555
DOI: https://doi.org/10.46925//rdluz.43.29
554
Bello, A., Cuta, J., & García, E. (2019). Técnicas de imputación para datos de precipitación
máxima mensual en la zona central de Boyacá. Revista Ingeniería, Investigación y Desarrollo, 19 (01),
64-79.
Bunge, M. (2005).
La ciencia. Su método y su filosofia .
Buenos Aires: Debolsillo.
Dancy, J. (1993). Introducción a la epistemologia contemporánea . Madrid: Tecnos.
Guijarro, F. (12 de marzo de 2023). Rpub. Obtenido de Árboles de decisión:
https://rpubs.com/fraguima/lonja5
Llano, A. (1991). Gnoseología . Barañáin-Pamplona: Ediciones de la univresidad de Navarra.
Medina, F., & Galván, M. (2007). Imputacion de datos: Teoria y práctica. Santiago de Chile. CEPAL.
Serie 54. En: https://repositorio.cepal.org/server/api/core/bitstreams/02dd479f-fae2-43c4-
b5ec-5419fa7f6190/content
Medium (01 de septiembre de 2020).
Árboles de decisión (Práctica)
. Obtenido de Bootcamp AI:
https://bootcampai.medium.com/árboles-de-decisión-práctica-62ee5c578b08
Minguillon, J., & Pujol, J. (2015).
Arboles de decisión. Terceras Jornadas de Matemática Discreta y
Algorítmica.En:https://idus.us.es/bitstream/handle/11441/75448/Árboles%20de%20decisión.pdf?
sequence=1&isAllowed=y
Muñoz, J., & Alvarez, E. (2009). Métodos de imputación para el tratamiento de datos faltantes:
Aplicacion mediante R/S plus. Revista de Métodos Cuantitativos para la Economia y la Empresa, (07),
03-30.
Novoa-Hernández, P., Cobos-Valdes, D., Samaniego-Mena, E., & Novoa-Pérez, M. (2018).
Árboles de decisión para la evaluación del riesgo biológico de procesos biofarmacéuticos.
Revista Ciencia Unem, 11 (28), 08-17.
https://www.redalyc.org/journal/5826/582661251001/582661251001.pdf.
Piovani, J., & Krawczyk, N. (2017). Los Estudios Comparativos: algunas notas históricas,
epistemológicas y metodológicas. Educação & Realidade, Porto Alegre, 42 (03), 821-840.
http://dx.doi.org/10.1590/2175-623667609.
Porras, A. (2019).
Diplomado en analisis de informacion geoespacial. Conceptos basicos de estadistica.
México DF. https://centrogeo.repositorioinstitucional.mx/jspui/bitstream/1012/157/1/13-
Conceptos%20Básicos%20de%20Estadística%20%20Diplomado%20en%20Análisis%20de%2
0Información%20Geoespacial.pdf: Centro publico de investigacion CONACYT.
Radío, G. R. (2017).
Los valores perdidos en el muestreo de poblaciones.
Vigo.
http://eio.usc.es/pub/mte/descargas/ProyectosFinMaster/Proyecto_1468.pdf: Univresidad de la
Corunay Univresidad de Vigo.
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 15, N° 43, 2024
E. F. Mejía-Peñafiel et al// Métodos de imputación por regresión, imputación por moda... 541-555
DOI: https://doi.org/10.46925//rdluz.43.29
555
Rivas, C., Martínez, M. d., & Galindo, P. (2010). La imputación múltiple como alternativa al
análisis de la no respuesta en la variable intención de voto. Revista Española de Ciencia Política.
Núm. 22, Marzo 2010, pp. 99-118. En:
https://www.researchgate.net/publication/235979983_La_imputacion_multiple_como_alternati
va_al_analisis_de_la_no_respuesta_en_la_variable_intencion_de_voto
Useche, L. M., & Mesa, D. M. (2006). Una introducción a la Imputación de Valores Perdidos.
Terra Nueva Etapa
, XXII (31), 127-151. https://www.redalyc.org/pdf/721/72103106.pdf.
