El patrón 1 representa casos que no tienen valores perdidos, mientras que el patrón 96 representa los casos que tienen valores perdidos en todas las variables. El gráfico ordena las variables y patrones de análisis para revelar las tendencias de monotonía. De forma específica, las variables se ordenan de izquierda a derecha aumentando el orden de valores perdidos. Los patrones se clasifican, en primer lugar, por la última variable (valores no perdidos primero y los valores perdidos después), a continuación por la segunda a la última variable, etcétera, de derecha a izquierda. Revela si el método de imputación monotónica para sus datos o, si no, en qué medida se aproximan sus datos a un patrón monotónico. Si los datos son monótonos, todas las casillas perdidas y no perdidas del gráfico serán contiguas; es decir, no quedarán «islas» de casillas no perdidas en la parte inferior derecha del gráfico y no quedarán «islas» de casillas perdidas en la parte superior izquierda del gráfico. Este conjunto de datos no es monótono y hay tantos valores que se necesitan imputar para lograr la monotonía. Si los patrones se solicitan, un gráfico de barras muestra el porcentaje de casos de cada patrón. Muestra que más de la mitad de los casos del conjunto de datos tienen el patrón 1 y el gráfico de patrones de valores perdidos muestra que es el patrón de los casos sin valores perdidos. La gran mayoría de casos, aproximadamente, cuatro de cinco, se representan en estos tres patrones. Los patrones 69, 1 y 42 son los únicos patrones entre los diez patrones más frecuentes para representar casos sin valores perdidos en más de una variable. El análisis de patrones perdidos no ha revelado ningún obstáculo concreto en la imputación múltiple, salvo que el uso del método de monotonía no será viable. Paso 3: análisis de la distribución de los datos perdidos. Paso 4: imputación de los datos perdidos. Se inició imputando las siguientes variables: 1. ¿Cuál es su identificación étnica? Y 2. ¿Cuál es su idioma materno? La tabla de especificaciones de imputación es una herramienta muy útil de lo que ha solicitado para que pueda confirmar que las especificaciones son correctas. Especificaciones de imputación Método de imputación Automático Número de imputaciones 1 Modelo para variables de escala Regresión lineal Interacciones incluidas en modelos (ninguna) Porcentaje máximo de valores perdidos 100.0% Número máximo de parámetros del modelo de imputación. 100 Los resultados de imputación proporcionan una perspectiva general de lo que ha ocurrido durante el proceso de imputación. En concreto, obsérvese que: El método de imputación en la tabla de especificaciones era Automático y el método de selección automática es Especificación totalmente condicional. Todas las variables solicitadas se han imputado. La secuencia de imputación es el orden en el que las variables aparecen en el eje x en el gráfico Patrones de valores perdidos. Resultados de imputación Método de imputación Especificación condicional completa Iteraciones de método de especificación totalmente condicional 10 Variables dependientes Imputado P1_IDEtn,P2_IdioMater No imputado (demasiados valores perdidos) No imputado (sin valores perdidos) Secuencia de imputación P2_IdioMater,P1_IDEtn La tabla de modelos de imputación proporciona más información acerca de cómo se ha imputado cada variable. En concreto, obsérvese que: Las variables se incluyen en el orden de secuencia de imputación. Las variables de escala se modelan con una regresión lineal y las variables categóricas con una regresión logística.