La eliminación por lista descarta el caso completo si falta cualquier dato; la eliminación por pares lo conserva para los análisis en los que sí tiene información. La primera da resultados coherentes pero pierde muestra; la segunda conserva casos pero produce análisis con distintos tamaños muestrales. Ninguna es válida si los datos no faltan al azar.
Tabla comparativa
| Estrategia | Cómo funciona | Ventaja | Riesgo | Cuándo usarla |
|---|---|---|---|---|
| Eliminación por lista (listwise) | Descarta todo caso con algún valor ausente en las variables del análisis | Un único tamaño muestral, resultados coherentes entre tablas | Pérdida de muestra severa; sesgo si la ausencia no es aleatoria | Menos del 5 % de datos ausentes y muestra holgada |
| Eliminación por pares (pairwise) | Usa todos los casos disponibles en cada cálculo concreto | Aprovecha más información | Cada correlación con distinta n; matrices que pueden ser inconsistentes | Análisis descriptivos y correlacionales exploratorios |
| Sustitución por la media | Rellena cada hueco con la media de la variable | Muy simple | Reduce artificialmente la varianza y atenúa las correlaciones | Prácticamente nunca; desaconsejada |
| Imputación múltiple | Genera varios conjuntos completos y combina resultados | Estimaciones y errores típicos correctos bajo MAR | Más laborioso de ejecutar y de explicar | Ausencias por encima del 5-10 % en variables clave |
Antes de elegir: ¿por qué faltan tus datos?
La decisión no depende de cuántos datos faltan sino de por qué faltan. La clasificación estándar de Rubin distingue tres mecanismos:
- MCAR (ausencia completamente aleatoria). La probabilidad de que falte un dato no depende de nada. Ejemplo: un fallo del formulario en una sesión concreta. Solo aquí la eliminación por lista es inofensiva, más allá de la pérdida de potencia.
- MAR (ausencia aleatoria condicionada). La ausencia depende de otras variables observadas. Ejemplo: los participantes mayores omiten más la pregunta de ingresos. La imputación funciona bien en este escenario.
- MNAR (ausencia no aleatoria). La ausencia depende del valor que falta. Ejemplo: quienes tienen ingresos muy altos son precisamente quienes no los declaran. Ninguna técnica lo resuelve; solo cabe declararlo y acotar las conclusiones.
Existe una prueba, la de Little, que contrasta la hipótesis de MCAR. Un resultado no significativo apoya que la ausencia sea completamente aleatoria; uno significativo indica que no lo es. Es rápida de ejecutar y da a tu apartado de método un argumento concreto en lugar de una afirmación.
El problema real de la eliminación por lista
Se subestima porque el efecto es multiplicativo. Si tu modelo incluye seis variables y cada una tiene un 5 % de ausencias repartidas al azar, no pierdes un 5 % de la muestra: pierdes en torno al 26 %, porque basta con que falte un dato en cualquiera de las seis para que el caso salga del análisis.
Esa es la razón por la que un trabajo que empezó con 240 respuestas termina reportando análisis sobre 178 sin que nadie sepa explicar bien la diferencia. Y es también la razón por la que la eliminación por lista, siendo la opción por defecto de casi todos los programas, suele ser la peor elección silenciosa de un TFG.
El problema real de la eliminación por pares
Conserva más información, pero produce un efecto incómodo: cada celda de tu matriz de correlaciones puede calcularse sobre una muestra distinta. Con 187 casos en una correlación y 154 en otra, la matriz resultante puede ser matemáticamente inconsistente, lo que rompe los procedimientos que parten de ella, como el análisis factorial exploratorio o los modelos de ecuaciones estructurales.
Para una tabla descriptiva de correlaciones bivariadas es aceptable siempre que indiques la n de cada coeficiente. Para cualquier análisis multivariante, no.
Por qué la sustitución por la media es la peor opción
Parece razonable y hace un daño concreto y medible: al colocar el valor central en todos los huecos, reduce la varianza de la variable y arrastra las correlaciones hacia cero. Es decir, no solo introduce error, sino que lo introduce en una dirección predecible: hace que tus efectos parezcan más pequeños de lo que son.
Si tu programa la ofrece como opción por defecto, desactívala. La imputación múltiple resuelve exactamente este problema generando varios valores plausibles en lugar de uno solo, de modo que la incertidumbre queda incorporada en los errores típicos.
Recomendación por escenario
- Menos del 5 % de ausencias, repartidas y sin patrón: eliminación por lista. Declárala y sigue.
- Entre el 5 % y el 10 % en variables secundarias: eliminación por lista con análisis de sensibilidad comparando la muestra completa y la reducida.
- Más del 10 %, o concentradas en una variable clave: imputación múltiple. Es más trabajo, pero es lo defendible.
- Ausencias claramente relacionadas con lo que mides (MNAR): ninguna técnica lo arregla. Declara el mecanismo y limita el alcance de las conclusiones.
Qué escribir en el TFG
«De los 214 cuestionarios recibidos, 27 presentaban valores ausentes en al menos una de las variables del modelo (12,6 %). La prueba de Little no resultó significativa (p = 0,213), compatible con un mecanismo MCAR. Dado que la eliminación por lista habría reducido la muestra a 187 casos, se aplicó imputación múltiple con cinco conjuntos, combinando los resultados según las reglas de Rubin.»
Tres datos imprescindibles: cuántos casos tienen ausencias, qué mecanismo asumes y con qué evidencia, y qué método aplicaste. Conviene además llevar la consecuencia sobre el tamaño muestral final al apartado de limitaciones. Si necesitas dejar el apartado de análisis con esta precisión sin perder coherencia con el resto del método, Tesify acelera la redacción y mantiene uniforme el formato de citas y tablas.
Preguntas frecuentes
¿Cuál es la diferencia entre eliminación por lista y por pares?
La eliminación por lista descarta el caso completo si falta cualquier valor en las variables del análisis, produciendo un único tamaño muestral. La eliminación por pares conserva el caso para los cálculos en los que sí dispone de datos, de modo que cada estadístico puede basarse en una n distinta.
¿Cuántos datos ausentes son demasiados?
Por debajo del 5 % el impacto suele ser menor y la eliminación por lista es aceptable. Por encima del 10 % en variables clave conviene recurrir a la imputación múltiple. Más importante que el porcentaje es el mecanismo: si la ausencia se relaciona con el valor que falta, ninguna cifra es segura.
¿Puedo rellenar los huecos con la media?
No es recomendable. La sustitución por la media reduce artificialmente la varianza de la variable y atenúa las correlaciones, sesgando los resultados hacia efectos más pequeños de los reales. La imputación múltiple resuelve ese problema generando varios valores plausibles.
¿Qué es la prueba de Little?
Es un contraste que evalúa si los datos faltan de forma completamente aleatoria. Un resultado no significativo es compatible con el mecanismo MCAR y respalda el uso de la eliminación por lista; un resultado significativo indica que la ausencia sigue algún patrón.
¿La eliminación por lista sirve para un análisis factorial?
Sí, e incluso es preferible a la eliminación por pares en ese contexto, porque la eliminación por pares puede generar una matriz de correlaciones inconsistente al calcularse cada coeficiente sobre muestras distintas, lo que impide que el procedimiento converja correctamente.
Escribe tu TFG o tesis con IA
Pasa de la teoría a tu documento terminado
Tesify estructura, redacta y formatea tu TFG, TFM o tesis en normas APA y Vancouver, con bibliografía automática y verificación antiplagio integrada. Regístrate gratis, sin tarjeta.
Deja una respuesta