Resumo

REVILLA CABRERA, Daniel Alejandro. Datos faltantes y análisis multidimensional con el método Alkire-Foster: Una revisión de la literatura. Inv. y Des. [online]. 2025, vol.25, n.2, pp.4-15.  Epub 30-Dez-2025. ISSN 2518-4431.  https://doi.org/10.23881/idupbo.025.2-3e.

Este artículo aborda el problema de los datos faltantes en la medición de pobreza multidimensional, con especial atención a su impacto sobre la validez axiomática del método Alkire-Foster, empleado regularmente para medir este concepto amplio de pobreza. Se sostiene que la ausencia de datos no es un problema puramente técnico y proclive a generar sesgos, sino que también puede comprometer la identificación de privaciones y vulnerar alguno de los axiomas fundamentales del método: monotonicidad, descomposición por subgrupos y descomposición dimensional. A partir de una revisión crítica de la literatura, se comparan cuatro enfoques de imputación: análisis de casos completos, imputación múltiple por ecuaciones encadenadas (MICE), técnicas de descomposición matricial (como Soft-Impute) y redes neuronales bayesianas. Se discuten sus fortalezas y limitaciones en relación con la preservación de las propiedades axiomáticas mencionadas. Además, se presentan argumentos a favor de una metodología híbrida que combine algoritmos imputativos con criterios de validación normativa para garantizar coherencia ética y solidez inferencial. El artículo concluye que la elección de métodos de imputación en contextos sociales debe considerar no solo la eficiencia estadística, sino también la compatibilidad estructural con el modelo teórico que subyace el ejercicio de medición de la pobreza. Se proponen líneas futuras para el desarrollo de marcos integradores que articulen métodos de imputación, el respeto de axiomas y el uso en política pública.

Palavras-chave : Datos faltantes; pobreza multidimensional; Alkire-Foster; imputación múltiple; ética del dato; redes neuronales bayesianas.

        · resumo em Inglês     · texto em Espanhol     · Espanhol ( pdf )