Estimación de la no respuesta mediante redes de neuronas artificiales

Resumen

La recogida de datos de cualquier encuesta o censo está sujeta a riesgos serios de errores, entre los que destacan la falta o pérdida de valores de las variables consideradas para ciertos registros, ya sea debido a mecanismos aleatorios o errores sistemáticos. Por ello una de las etapas usualmente incluidas en las tareas de depuración de las bases de datos consiste en la imputación de estos valores perdidos. En este trabajo se propone abordar este problema, inscrito en la edición de registros estadísticos, mediante modelos de computación basados en las Redes de Neuronas Artificiales. Concretamente, se propone entrenar un perceptrón multinivel, partiendo de una base de datos para la que se dispone de los registros correctos (sus columnas son las variables de salida u objetivo) y de los registros no corregidos (sus columnas son las variables predoctoras). De este modo, si a la red neural se le suministra un registro, se pretende obtener como salida un registro ya editado, que en particular contendrá los valores imputados. En este trabajo se describe el modelo de imputación y se ilustra su comportamiento sobre tres bases de datos, obteniéndose resultados alentadores sobre las posibilidades de estas técnicas.