@misc{10481/105326,
year = {2025},
month = {6},
url = {https://hdl.handle.net/10481/105326},
abstract = {La desigualdad de ingresos es un tema de gran interés tanto para el público general como para la comunidad científica. Una de las medidas más utilizadas para cuantificarla es el índice de Gini, ampliamente empleado por organismos oficiales de estadística, como EUROSTAT o el INE, en la elaboración de informes y estadísticas sobre ingresos y condiciones de vida. Dado que el índice de Gini es una medida poblacional generalmente desconocida, su estimación se basa en los datos recogidos a través de encuestas.
Sin embargo, las encuestas presentan con frecuencia el problema de datos faltantes, los cuales pueden deberse a omisiones involuntarias (por parte del encuestado o del investigador) o a negativas deliberadas a proporcionar cierta información. La presencia de datos incompletos es, por tanto, una característica habitual en este tipo de estudios. Para abordar esta limitación, es común recurrir a métodos de imputación, siendo la imputación única una de las estrategias más empleadas.
En este trabajo se analiza el comportamiento empírico de diversos métodos tradicionales de imputación única aplicados a la estimación del índice de Gini. Los resultados evidencian que este tipo de imputación tiende a subestimar la varianza, lo que conduce a intervalos de confianza artificialmente estrechos y con coberturas empíricas deficientes. Ante esta limitación, se propone el uso de métodos de imputación múltiple, cuya aplicación se explora y se compara con las técnicas tradicionales, poniendo en evidencia sus ventajas en términos de precisión y validez inferencial.},
abstract = {Income inequality is a topic of great relevance for both the general public and the scientific community. One of the most widely used measures to quantify it is the Gini index, which features prominently in official reports and statistics on income and living conditions published by national and international agencies such as EUROSTAT and the National Statistics Institutes. Since the Gini index is typically unknown at the population level, it must be estimated from survey data.
However, surveys often suffer from missing data, arising either unintentionally (due to respondent oversight or data collection errors) or intentionally (when respondents choose not to disclose specific information). As a result, missing data is a common issue in empirical research on income distribution. A common approach to address this problem is the use of single imputation methods.
This study evaluates the empirical performance of several traditional single imputation techniques when applied to the estimation of the Gini index. The findings show that single imputation tends to underestimate the variance, leading to artificially narrow confidence intervals and poor empirical coverage. To address this limitation, the use of multiple imputation methods is proposed. The study explores and compares the results obtained through both approaches, highlighting the advantages of multiple imputation in terms of accuracy and inferential validity.},
publisher = {Asociación Internacional de Economía Aplicada. ASEPELT},
title = {Mejorando las estimaciones de desigualdad de ingresos: El papel de la  imputación múltiple en la precisión del Índice de Gin},
author = {Amor Pulido, Raúl and Moya Fernández, Pablo José},
}