Técnicas de imputação de dados faltantes com uso de modelagem preditiva

Abstract

A presença de dados faltantes em um banco de dados é comum, mas as análises estatísticas são fundamentadas para analisar dados completos. Uma das possíveis soluções para o tratamento da ausência de informações é utilizar imputação de dados. Este trabalho teve o objetivo de destacar o desempenho e importância de técnicas de imputação que utilizam regressão estatística, e propor assim um guia eficaz e prático aos pesquisadores com base na literatura e nos resultados observados. Além do estudo dos dois pilares principais desta pesquisa, regresssão estatística e técnicas de imputação, a metodologia implementada foi feita por meio de simulações, com a criação de bancos de dados artificiais, possibilitando a discussão de diferentes cenários de dados faltantes e técnicas. Questões relacionadas ao impacto da quantidade de dados faltantes, da natureza da variável incompleta e da quantidade de variáveis incompletas também foram verificadas. A partir de ajustes de modelos de regressão linear, os tipos de imputação (única e múltipla) e técnicas de imputação (medidas de tendência central e modelagem preditiva) foram comparados. Os resultados obtidos, junto às discussões, foram favoráveis ao uso de modelos de regressão em processos de imputação de dados, com evidências da importância ao selecionar métodos adequados com base nos motivos da ausência de dados e na proporção de dados faltantes.