Ejercicio - Tipos de datos missing

Estos datos ejemplifican un escenario en donde se seleccionan candidatos a un empleo, y los candidatos completan un test de IQ, durante su entrevista de trabajo y posteriormente un supervisor evalua su rendimiento después de un periodo de 6 meses. En el ejemplo hay 4 columnas de Rendimiento, una que sería la completa y otras tres que se han borrado los datos considerando los 3 tipos de datos missing que hemos estudiado (MCAR, MAR, MNAR).

380B

EjemploTiposMissing.csv

library(naniar)

library(ggplot2)

datos<-read.csv("EjemploTiposMissing.csv")

1. Averigua a qué columna corresponde los datos MCAR, MAR y MNAR y explica por qué. Después cambia el nombre de las columnas por Rendimiento_MCAR, Rendimiento_MAR y Rendimiento_MNAR.

2. Compara la media entre las 3 variables de Rendimiento_MCAR, Rendimiento_MAR y Rendimiento_MNAR con Rendimiento_completo. ¿Qué observas?

3. Si calculamos los coeficientes de correlación y una regresión simple de cada una de las 3 variables Rendimiento_MCAR, Rendimiento_MAR y Rendimiento_MNAR para predecir el IQ. ¿Qué diferencias observas en comparación con Rendimiento_completo?

4. Haz un gráfico para ver como se ajusta la recta de regresión en cada uno de los casos.

library(ggplot2)
library(patchwork)

y_min <- min(datos$Rendimiento_completo)
y_max <- max(datos$Rendimiento_completo)

ggp1 <- ggplot(datos,aes(IQ, Rendimiento_completo)) + geom_point() + 
 stat_smooth(method = "lm",se=TRUE, formula = y ~ x, geom = "smooth")  + ylim(y_min, y_max)  

ggp2 <- ggplot(datos,aes(IQ, Rendimiento_MCAR)) + geom_point() + 
 stat_smooth(method = "lm",se=TRUE, formula = y ~ x, geom = "smooth") + ylim(y_min, y_max) 

ggp3 <- ggplot(datos,aes(IQ, Rendimiento_MAR)) + geom_point() + 
stat_smooth(method = "lm",se=TRUE,formula = y ~ x, geom = "smooth") + ylim(y_min, y_max) 

ggp4 <- ggplot(datos,aes(IQ, Rendimiento_MNAR)) + geom_point() +
stat_smooth(method = "lm",se=TRUE, formula = y ~ x, geom = "smooth")+ ylim(y_min, y_max) 

ggp1+ggp2+ggp3+ggp4

1. Imputa por la media y por el modelo de regresión simple las tres variables rendimiento y compara los resultados.