Datos faltantes y análisis multidimensional con el método Alkire-Foster: Una revisión de la literatura

Este artículo aborda el problema de los datos faltan-tes 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 concep-to 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 pri-vaciones 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 ecuacio-nes 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 presen-tan argumentos a favor de una metodología híbrida que com-bine algoritmos imputativos con criterios de validación nor-mativa 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 estadís-tica, 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 integrado-res que articulen métodos de imputación, el respeto de axiomas y el uso en política pública.