Sorry, this page is no longer available

We may earn an affiliate commission when you visit our partners.

Cómo manejar datos faltantes

Richard Valliant, Ph.D.

En este curso, se tratarán los pasos que se deben seguir para ponderar encuestas de muestra. Se incluirán los métodos para ajustar las no respuestas y para usar datos externos a la encuesta para calibrarla. Entre las técnicas que se abordarán, se encuentran los ajustes que se utilizan para las propensiones de respuesta estimada, la postestratificación, el rastrillado y la estimación de regresión general. Asimismo, se discutirán las técnicas alternativas para imputar los valores de los elementos faltantes. Se tratarán las funciones que ofrecen los diferentes paquetes de software estadístico R®, Stata® y SAS® para la ponderación y la imputación.

Enroll now

Or subscribe to Coursera Plus

And get unlimited access to Coursera

Two deals to help you save

Save money when you learn. Here are two deals and offers that may be relevant to this course.

All coupon codes, vouchers, and discounts are applied automatically unless otherwise noted.

Valid until July 14

Coursera Plus Annual

Work toward what's next for your career with access to 10,000+ programs. Discover emerging skills and save.

Valid until August 30

Google AI App Builder

Learn how to use Gemini API and API Studio with a three-course series from Google DeepMind

What's inside

Syllabus

Pasos generales en la ponderación

Se requieren las ponderaciones para expandir una muestra y transformarla en una población. Para lograrlo, es posible que las ponderaciones corrijan los errores de cobertura en el marco del muestreo, ajusten la no respuesta y reduzcan las varianzas de los estimadores al incorporar covariables. Se indican en el módulo 1 la serie de pasos que se deben realizar.

Traffic lights

Read about what's good

what should give you pause

and possible dealbreakers

Proporciona orientación paso a paso para ponderar encuestas de muestra, lo que lo hace adecuado para estudiantes principiantes

Cubre una amplia gama de técnicas de ponderación, como el rastrillado y la estimación de regresión general

Utiliza el lenguaje R para implementar los pasos de ponderación, lo que lo hace accesible para estudiantes con conocimientos de programación

Aborda la imputación de elementos faltantes, un problema común en las encuestas

Resume los métodos de ponderación e imputación, lo que facilita la revisión y el repaso

Save this course

Create your own learning path. Save this course to your list so you can find it easily later.

Save

Reviews summary

Dominio de datos faltantes y ponderación

Según los estudiantes, este curso ofrece una comprensión clara y práctica sobre cómo manejar datos faltantes y realizar ponderación de encuestas, siendo fundamental para analistas de datos. Los ejemplos y demostraciones con R son un punto fuerte, facilitando la aplicación de conceptos complejos. Aunque es altamente valorado por su utilidad y la calidad de las explicaciones, algunos advierten que requiere una sólida base estadística y familiaridad con R para un óptimo aprovechamiento, ya que no es para principiantes absolutos. Se sugiere una posible mayor profundización en ciertos temas o software.

El uso de R es fundamental y muy valorado por su utilidad práctica.

"Los ejemplos con R son muy prácticos y me ayudaron mucho a aplicar los conceptos."

"El uso de R facilita la aplicación. Muy satisfecho con lo aprendido."

"Una joya para quienes trabajamos con encuestas complejas... Los demos en R son claros y directos."

"Aprecié la sección sobre imputación. R es un buen comienzo."

Los métodos complejos se explican de forma comprensible y útil.

"Excelente curso. La explicación de los métodos de ponderación e imputación es muy clara y útil."

"El instructor explica bien y los conceptos son muy bien explicados."

"Me ha abierto los ojos a la importancia de manejar correctamente los datos faltantes."

"Las técnicas de ponderación son complejas pero aquí se desglosan perfectamente."

Algunos módulos podrían beneficiarse de mayor profundidad o ejercicios.

"Algunos módulos se sintieron un poco rápidos."

"Hubiera preferido más ejercicios prácticos para reforzar el aprendizaje."

"A veces, la duración de los videos es un poco larga."

"Quizás podría profundizar más en SAS, pero R es un buen comienzo."

Requiere una base sólida en estadística y R para su completo aprovechamiento.

"Demasiado técnico para mí. No tengo una base fuerte en estadística y me perdí."

"Necesitas saber mucho de R y teoría estadística para aprovecharlo. No es para principiantes absolutos."

"Me costó un poco seguir el ritmo si no tenía mucha experiencia previa con R."

"Pensé que sería más práctico con ejemplos de la vida real desde el principio. Se siente un poco teórico al inicio."

Activities

Be better prepared before your course. Deepen your understanding during and after it. Supplement your coursework and achieve mastery of the topics covered in Cómo manejar datos faltantes with these activities:

Compilación de recursos sobre ponderación de encuestas

Show steps

La compilación de recursos sobre ponderación de encuestas creará un valioso repositorio de materiales para futuras referencias.

Show steps

Realice una búsqueda bibliográfica sobre la ponderación de encuestas.
Identifique y recopile recursos relevantes, como artículos académicos, libros y sitios web.
Organice los recursos en una carpeta o base de datos.
Comparta la compilación con otros estudiantes o profesionales.

Resolviendo ejercicios de ponderación

Show steps

La práctica de ejercicios de ponderación ayudará a solidificar la comprensión de los conceptos de ponderación de encuestas.

Show steps

Revise los materiales del curso sobre ponderación de encuestas.
Encuentre un conjunto de datos de encuesta con información sobre ponderaciones.
Calcule las ponderaciones utilizando los métodos cubiertos en el curso.
Compare los resultados con las ponderaciones proporcionadas en el conjunto de datos.

Discusiones grupales sobre ponderación de encuestas

Show steps

Participar en discusiones grupales sobre ponderación de encuestas mejorará la comprensión de los conceptos y permitirá el intercambio de ideas.

Show steps

Forme un grupo de estudio.
Elija un tema relacionado con la ponderación de encuestas para discutir.
Prepare una presentación breve para introducir el tema.
Facilite una discusión sobre el tema.

Four other activities

Expand to see all activities and additional details

Show all seven activities

Imputación de valores faltantes

Show steps

La práctica de la imputación de valores faltantes mejorará la comprensión de las técnicas de imputación.

Show steps

Revise los materiales del curso sobre imputación de valores faltantes.
Encuentre un conjunto de datos de encuesta con valores faltantes.
Impute los valores faltantes utilizando los métodos cubiertos en el curso.
Evalúe la calidad de las imputaciones.

Tutoriales sobre técnicas de imputación avanzadas

Show steps

El seguimiento de tutoriales sobre técnicas avanzadas de imputación ampliará la comprensión de las técnicas de imputación.

Show steps

Identifique los tutoriales sobre técnicas avanzadas de imputación.
Complete los tutoriales.
Aplique las técnicas aprendidas en un proyecto de imputación.

Presentar un análisis de un conjunto de datos ponderado

Show steps

La realización de un análisis de un conjunto de datos ponderado demostrará la comprensión de los conceptos de ponderación de encuestas.

Show steps

Elija un conjunto de datos de encuesta ponderado.
Realice un análisis de los datos utilizando los métodos aprendidos en el curso.
Prepare una presentación que resuma los hallazgos del análisis.
Presente la presentación a la clase u otra audiencia.

Proyecto de ponderación de encuestas

Show steps

Emprender un proyecto de ponderación de encuestas proporcionará una experiencia práctica en la aplicación de los conceptos aprendidos.

Show steps

Definir los objetivos del proyecto.
Recopilar datos de una encuesta.
Ponderar los datos de la encuesta utilizando los métodos aprendidos en el curso.
Analizar los datos ponderados.
Presentar los hallazgos del proyecto.

Career center

Learners who complete Cómo manejar datos faltantes will develop knowledge and skills that may be useful to these careers:

Survey Researcher

Survey Researchers design, conduct, and analyze surveys to collect data on a variety of topics. This course in data handling would be highly relevant for Survey Researchers, providing them with the skills to ensure the accuracy and reliability of their surveys. The coverage of weighting methods, non-response adjustments, and calibration techniques would be particularly valuable in this role.

See salaries and explore the career path for Survey Researcher

Survey Methodologist

Survey Methodologists design and implement surveys to collect data on a variety of topics. This course in data handling would be highly beneficial for Survey Methodologists, providing them with a strong foundation in survey weighting and imputation techniques. The knowledge gained from this course would enhance their ability to design and implement effective surveys.

See salaries and explore the career path for Survey Methodologist

Statistician

Statisticians apply statistical methods to collect, analyze, interpret, and present data. This course would be highly beneficial for aspiring Statisticians as it delves into the specific steps for weighting surveys, adjusting for non-responses, and incorporating covariables to calibrate samples. Additionally, the coverage of techniques for imputing missing data values would be invaluable in ensuring accurate statistical analyses.

See salaries and explore the career path for Statistician

Data Analyst

Data Analysts are responsible for collecting, cleaning, and analyzing data to identify trends and patterns. This course in data handling provides a strong foundation for Data Analysts by teaching the steps for weighting sample surveys, adjusting for non-responses, and using external data to calibrate surveys. It also covers alternative techniques for imputing missing data values.

See salaries and explore the career path for Data Analyst

Market Research Analyst

Market Research Analysts conduct research to gather insights into consumer behavior and market trends. This course would provide Market Research Analysts with a strong foundation in data handling, enabling them to effectively analyze and interpret survey data. The coverage of weighting methods, non-response adjustments, and calibration techniques would be particularly valuable in this role.

See salaries and explore the career path for Market Research Analyst

Social Science Researcher

Social Science Researchers use data analysis to study human behavior and社会. This course in data handling would be highly beneficial for Social Science Researchers, providing them with the skills to effectively analyze and interpret social science data. The coverage of weighting methods, non-response adjustments, and calibration techniques would be particularly valuable in this role.

See salaries and explore the career path for Social Science Researcher

Health Services Researcher

Health Services Researchers use data analysis to evaluate the effectiveness of health care interventions. This course in data handling would be highly beneficial for Health Services Researchers, providing them with the skills to effectively analyze and interpret health care data. The coverage of weighting methods, non-response adjustments, and calibration techniques would be particularly valuable in this role.

See salaries and explore the career path for Health Services Researcher

Data Scientist

Data Scientists use scientific methods, processes, algorithms, and systems to extract knowledge and insights from data. This course in data handling would be complementary to the skills of a Data Scientist, providing them with a solid understanding of survey weighting and imputation techniques. The knowledge gained from this course would enhance their ability to handle missing data and improve the accuracy of their data analyses.

See salaries and explore the career path for Data Scientist

Business Analyst

Business Analysts use data analysis to identify and solve business problems. This course in data handling would be highly beneficial for Business Analysts, providing them with the skills to effectively analyze and interpret data. The coverage of weighting methods, non-response adjustments, and calibration techniques would be particularly valuable in this role.

See salaries and explore the career path for Business Analyst

Epidemiologist

Epidemiologists investigate the causes and patterns of health and disease in populations. This course in data handling would be highly beneficial for Epidemiologists, providing them with the skills to effectively analyze and interpret health data. The coverage of weighting methods, non-response adjustments, and calibration techniques would be particularly valuable in this role.

See salaries and explore the career path for Epidemiologist

Public Health Analyst

Public Health Analysts use data analysis to identify and address public health problems. This course in data handling would be highly beneficial for Public Health Analysts, providing them with the skills to effectively analyze and interpret public health data. The coverage of weighting methods, non-response adjustments, and calibration techniques would be particularly valuable in this role.

See salaries and explore the career path for Public Health Analyst

Machine Learning Engineer

Machine Learning Engineers design and implement machine learning models to solve a variety of problems. This course in data handling would be complementary to the skills of a Machine Learning Engineer, providing them with a solid understanding of survey weighting and imputation techniques. The knowledge gained from this course would enhance their ability to build and implement machine learning models that can effectively handle missing data.

See salaries and explore the career path for Machine Learning Engineer

Quantitative Analyst

Quantitative Analysts use mathematical and statistical models to analyze financial data and make investment decisions. This course in data handling would provide Quantitative Analysts with a strong foundation in survey weighting and imputation techniques, which are essential for ensuring the accuracy and reliability of financial data. The knowledge gained from this course would enhance their ability to make informed investment decisions.

See salaries and explore the career path for Quantitative Analyst

Operations Research Analyst

Operations Research Analysts use analytical methods to solve complex business problems. This course in data handling would provide Operations Research Analysts with a strong foundation in survey weighting and imputation techniques, which are essential for ensuring the accuracy and reliability of data used in operations research models. The knowledge gained from this course would enhance their ability to develop and implement effective solutions to business problems.

See salaries and explore the career path for Operations Research Analyst

Data Engineer

Data Engineers design, build, and maintain data systems and infrastructure. This course in data handling would be complementary to the skills of a Data Engineer, providing them with a solid understanding of survey weighting and imputation techniques. The knowledge gained from this course would enhance their ability to build and maintain data systems that can effectively handle missing data.

See salaries and explore the career path for Data Engineer

Reading list

We've selected six books that we think will supplement your learning. Use these to develop background knowledge, enrich your coursework, and gain a deeper understanding of the topics covered in Cómo manejar datos faltantes.