Impacto de estrategias para el tratamiento de información faltante sobre la estimación de modelos de regresión de Cox

En esta tesis se realiza una investigación sobre el impacto de distintos métodos para el tratamiento de datos faltantes sobre la estimación de los parámetros de modelos de regresión de Cox, cuando las perdidas ocurren en variables explicativas mixtas. Por medio de un estudio por simulación y otro por remuestreo a partir de datos de un caso real del ´área de Psiquiatría, se avanza en el estudio de propiedades distribucionales de los estimadores de los parámetros, obtenidos mediante datos completos y a partir de matrices imputadas siguiendo distintas estrategias. Se analizan comparativamente el error cuadrático medio y el sesgo de los estimadores tanto en relación a la esperanza como a la varianza, correspondientes a la distribución asintótica teórica de los estimadores máximo-verosímiles a partir de matrices completas. También se evalúa la forma de la distribución y la capacidad predictiva del modelo estimado