The way missing data in population surveys are treated can influence research results. Therefore, the aim of this paper is to explain the reasons and procedure for imputing anthropometric data such as height and weight self-reported by individuals in the first four waves of the Mexican Health & Aging Study (MHAS). We highlight the effect of the imputation versus the exclusion of the cases with missing data, by comparing the distribution of these values and their associated effects on the Body Mass Index using a regression model. We conclude that the incorporation of imputed data offers more solid results compared with elimination the cases with missing data. Hence the importance of applying these statistical procedures, with appropriate treatment of the data, making the methodology and the imputed data available to the users by the same source of information, as offered in the MHAS.
El manejo de los datos faltantes en entrevistas por encuestas puede influenciar los resultados de investigación. Por ello, el objetivo de este trabajo es explicar las razones y procedimiento para imputar datos antropométricos como la altura y peso auto reportado por los individuos en las primeras cuatro rondas del Estudio Nacional de Salud y Envejecimiento en México (ENASEM). Destacamos el efecto de la imputación versus la eliminación de los casos con datos faltantes, comparando la distribución de dichos valores y sus efectos asociados en el Índice de Masa Corporal mediante un modelo de regresión. Se concluye que la incorporación de datos imputados ofrece resultados más sólidos comparado con la eliminación de los casos con datos faltantes. De ahí la importancia de aplicar estos procedimientos estadísticos con tratamiento adecuado de los datos, y difundir la metodología aplicada para obtener los datos imputados desde la misma fuente de información, tal como se ofrece en el ENASEM.
Keywords: BMI; ENASEM; IMC; MHAS; altura; height; imputación; imputation; peso; weight.