Imputación bayesiana para modelos IRT con datos faltantes

Ponente(s): Yaineris Ferrán Yera, Dr. Francisco Julián Ariza Hernández

En este trabajo se realiza un estudio de simulación para evaluar el impacto de los datos faltantes (DF) en la modelación Bayesiana de datos de respuesta al ítem. Se comparan dos enfoques de estimación Bayesiana: imputación simple e imputación múltiple, utilizando un modelo IRT de un parámetro (1PL) con distintos porcentajes de datos faltantes. La simulación se realiza en una muestra de cien individuos y cinco ítems, considerando cuatro niveles de proporción de DF (5\%, 10\%, 25\% y 50\%, respectivamente), en donde se evalúan los métodos en términos de ECM y sesgo. Se emplea el paquete JAGS, dentro del software R, para llevar a cabo la inferencia estadística, partiendo de distribuciones a priori definidas para los parámetros del modelo estudiado y la distribución muestral de los datos.