En general, se completa el análisis de casos es parcial cuando los datos no están MCAR. Sin embargo, cuando el análisis consiste en la colocación de un modelo de regresión, se completa el análisis de casos es imparcial en virtud de la débil condición de que missingness es independiente de la variable de resultado, con la condición de que las covariables. Dependiendo de la variable(s) que contienen valores faltantes, esta condición, a veces corresponde a MAR mecanismos, y a veces a MNAR mecanismos.
Por ejemplo, supongamos que el resultado Y es la variable con los valores que faltan. Luego missingness ser independiente de los resultados condicional en las covariables corresponde a la MAR asunción, que dice que la probabilidad de missingness es independiente de la parte variable observada condicional en el plenamente las variables observadas. Alternativamente, supongamos que missingness en una covariable X depende del valor de la covariable, de modo que los datos son MNAR. Siempre missingness en X es independiente de Y condicionada a X y otras covariables en el modelo de análisis, se completa el análisis de casos es imparcial.
Para más información sobre esto, ver:
1) el documento citado en una respuesta anterior por el Blanco y Carlin: Sesgo y eficiencia de múltiples imputación en comparación con completa-análisis de casos de falta de valores de la covariable. Ian R. White y John B. Carlin. La estadística en Medicina, Volumen 29, número 28, 2010
2) un documento por mí mismo y sus colegas publicaron en Bioestadística: http://doi.org/10.1093/biostatistics/kxu023
3) un post en el blog escribí anteriormente sobre este tema aquí: http://thestatsgeek.com/2013/07/06/when-is-complete-case-analysis-unbiased/
