Resumen

En cualquier estudio longitudinal, es raro que se pueda evitar la deserción antes del momento final. El modelo de deserción elegido comúnmente es uno de estos tipos: Faltante Completamente al Azar (MCAR), Faltante al Azar (MAR), Faltante No al Azar (MNAR) y Parámetro Compartido (SP). En este artículo estimamos los parámetros del modelo longitudinal para datos simulados y reales utilizando el método de Efectos Mixtos Lineales (LME). Investigamos las consecuencias de especificar incorrectamente el mecanismo de faltantes al derivar los llamados valores menos falsos. Estos son los valores a los que convergen las estimaciones de parámetros cuando las suposiciones pueden estar equivocadas. El conocimiento de los valores menos falsos nos permite realizar un análisis de sensibilidad, que se ilustra. Este método proporciona una alternativa a un procedimiento de sensibilidad de mala especificación local, que se ha desarrollado para análisis basados en la verosimilitud. Comparamos los resultados obtenidos por el método propuesto con los resultados encontrados al utilizar

• Materias:Metodologías paramétricas Método bootstrap Cuantiles de regresión Estudio longitudinal Gráficos de control
• Subjects:Parametric methodologies Bootstrap method Regression quantiles Longitudinal study Control charts
• Palabras claves:Estudio longitudinal; Modelo de deserción; Faltante Completamente al Azar; Faltante al Azar; Faltante No al Azar; Parámetro Compartido
• Keywords:Longitudinal study; Dropout model; Missing Completely at Random; Missing at Random; Missing Not at Random; Shared Parameter