Roderick Joseph Alexander Little es un estadístico académico, cuyas principales contribuciones a la investigación se centran en el análisis estadístico de datos con valores faltantes y el análisis de datos de encuestas de muestreo complejos. Little es profesor distinguido de bioestadística Richard D. Remington en el Departamento de Bioestadística de la Universidad de Michigan , donde también ocupa cargos académicos en el Departamento de Estadística y el Instituto de Investigación Social.
Little nació cerca de Londres, Inglaterra, y asistió a la escuela secundaria en la Academia de Glasgow en Escocia. Recibió una licenciatura en Matemáticas del Gonville and Caius College , Universidad de Cambridge, y una maestría en Estadística e Investigación Operativa y un doctorado en Estadística del Imperial College of Science and Technology, Universidad de Londres. Su tesis doctoral fue sobre el análisis de datos con valores faltantes, [1] y fue supervisada por los profesores Martin Beale y Sir David R. Cox.
Después de un postdoctorado de dos años en el Departamento de Estadística de la Universidad de Chicago en 1974-76, Little trabajó en la Encuesta Mundial de Fertilidad [2] de 1976 a 1980, bajo el liderazgo de Sir Maurice Kendall . En 1980-82 se unió a un grupo formado por Donald Rubin en la Agencia de Protección Ambiental de los EE. UU. en Washington DC, y en 1982-3 fue miembro de ASA/Census/NSF en la Oficina del Censo de los EE. UU. y profesor asociado adjunto en la Universidad George Washington . En 1983-93 fue profesor asociado y más tarde profesor en el Departamento de Biomatemáticas de la UCLA . Fue nombrado profesor y presidente del Departamento de Bioestadística de la Universidad de Michigan en 1993 y presidió el departamento durante 11 años entre 1993 y 2009, un período de intenso crecimiento departamental.
El principal interés de investigación de Little es el análisis de conjuntos de datos con valores faltantes. Muchas técnicas estadísticas están diseñadas para conjuntos de datos completos y rectangulares, pero en la práctica muchos conjuntos de datos contienen valores faltantes, ya sea por diseño o por accidente. En 1987, Little fue coautor de un libro [3] [4] con Donald Rubin que fue uno de los primeros tratamientos sistemáticos del tema; la segunda edición se publicó en 2002 y la tercera edición en 2019. Como se detalla en ese libro, los enfoques estadísticos iniciales para los valores faltantes fueron relativamente ad hoc, como descartar casos incompletos o sustituir medias. El enfoque principal del libro está en las técnicas inferenciales basadas en la probabilidad, como la máxima verosimilitud y la inferencia bayesiana, basadas en modelos estadísticos para los datos y el mecanismo de datos faltantes. La primera edición se centró principalmente en la máxima verosimilitud a través del algoritmo de expectativa-maximización (EM), pero las ediciones posteriores enfatizan los métodos bayesianos y la técnica relacionada de imputación múltiple. Little y Rubin recibieron el prestigioso Premio Karl Pearson en 2017 del Instituto Internacional de Estadística (ISI), la principal sociedad internacional de estadística, por una contribución de investigación que ha tenido "profunda influencia en la teoría, metodología o aplicaciones estadísticas". La cita para el premio fue la siguiente: "El trabajo de Roderick J. Little y Donald B. Rubin, expuesto en sus artículos seminales Biometrika de 1978 y su libro de 1987, actualizado en 2002, ha sido nada menos que definidor y transformador. El trabajo anterior sobre datos faltantes era, en el mejor de los casos, ad hoc. Little y Rubin definieron el campo y proporcionaron a las comunidades metodológicas y aplicadas una taxonomía útil y utilizable y un conjunto de resultados clave. Hoy, su terminología y metodología se utilizan más que nunca. Su trabajo ha sido transformador por el profundo impacto que tuvo y tiene tanto en la práctica como en la teoría estadística. Es uno de los pocos temas que ha seguido estudiándose y desarrollándose durante los últimos treinta años en el ámbito académico, el gobierno y la industria. Por ejemplo, desempeña un papel clave en el trabajo actual sobre análisis de sensibilidad con datos incompletos”.
Las principales contribuciones metodológicas de Little a los métodos de datos faltantes, en colaboración con sus estudiantes y colegas, incluyen métodos para datos faltantes para mezclas de datos continuos y categóricos usando el modelo de ubicación general, [5] modelos de mezcla de patrones [6] para datos que faltan no al azar, spline penalizado de modelos de propensión para datos faltantes [7] e inferencia causal, [8] métodos de probabilidad ignorable de submuestra [9] en regresión, modelos de mezcla de patrones proxy [10] para la falta de respuesta de la encuesta, modelos para datos longitudinales, [11] [12] [13] modelos de datos parcialmente faltantes al azar, [14] y artículos de revisión sobre datos faltantes en regresión, [15] imputación de hot-deck, [16] y enmascaramiento de datos para protección de la confidencialidad. [17]
Otra área de investigación es el análisis de datos recopilados mediante diseños de muestreo complejos que implican estratificación y agrupamiento de unidades. Desde que trabajó como estadístico para la Encuesta Mundial de Fecundidad, Little trabajó en el desarrollo de métodos basados en modelos para el análisis de encuestas que sean resistentes a la especificación incorrecta, razonablemente eficientes y capaces de implementarse en entornos aplicados. Las contribuciones con estudiantes y colegas en esta área incluyen artículos sobre la falta de respuesta en las encuestas, [18] [19] [20] [ 21] [22] métodos bayesianos para la inferencia de encuestas, [23] [24] posestratificación, [25] evaluación del sesgo de selección, [26] y ponderación de encuestas desde una perspectiva bayesiana. [27] [28]
Little defiende el enfoque bayesiano calibrado para el análisis estadístico, [29] [30] como lo propusieron George Box y Donald Rubin , entre otros. La idea es desarrollar modelos bayesianos para el análisis que produzcan inferencias bayesianas con buenas propiedades frecuentistas, como intervalos creíbles posteriores que tienen una cobertura cercana a la nominal cuando se los ve como intervalos de confianza en un muestreo repetido. En el ámbito del muestreo de encuestas, esto conduce a modelos que incorporan características del diseño de la muestra en el modelo bayesiano. Little sostiene que este marco bayesiano produce un enfoque más unificado para la inferencia de muestras de encuestas que el enfoque basado en el diseño, que se basa en la distribución de aleatorización subyacente a la selección de la muestra como base para la inferencia. Los intereses aplicados de Little en las estadísticas son amplios, incluyendo la salud mental, la demografía, las estadísticas ambientales, la biología, la economía, la medicina, la salud pública y las ciencias sociales, así como la bioestadística.
Little es un firme defensor de la importancia de las agencias estadísticas gubernamentales independientes para la democracia. Fue miembro durante dos mandatos del Comité de Estadísticas Nacionales de la Academia Nacional de Ciencias y en 2010-12 fue el primer Director Asociado de Investigación y Metodología de Encuestas y Científico Jefe de la Oficina del Censo de los Estados Unidos , un puesto que ha elevado los aspectos científicos de las operaciones de la Oficina del Censo. Ha participado en muchos paneles de la Academia Nacional de Ciencias, en particular presidiendo un estudio sobre esclerosis múltiple y otros trastornos neurológicos en veteranos de las guerras del Golfo Pérsico y posteriores al 11 de septiembre, y sobre el tratamiento de los datos faltantes en los ensayos clínicos. Ha asesorado activamente a la Administración de Alimentos y Medicamentos de los Estados Unidos y a las empresas farmacéuticas sobre métodos para manejar los datos faltantes en los estudios clínicos [31] [32] [33] [34] [35]
Little ocupó dos mandatos en la Junta Directiva de la Asociación Estadounidense de Estadística (ASA), primero como representante editorial y luego como vicepresidente. En el ámbito editorial, fue editor coordinador y de aplicaciones del Journal of the American Statistical Association entre 1992 y 1994 y, más tarde, como presidente de la sección de métodos de investigación de encuestas de la ASA, ayudó a iniciar una nueva revista académica sobre estadísticas de encuestas, el Journal of Survey Statistics and Methodology. Se desempeñó como coeditor jefe de estadísticas de esa revista entre 2016 y 2018. En 2016, Little recibió un premio Founder's Award [36] de la ASA por sus contribuciones a la profesión de estadística.
Little es miembro de la Asociación Estadounidense de Estadística y de la Academia Estadounidense de Artes y Ciencias , y del Instituto Internacional de Estadística y de la Academia Nacional de Medicina de Estados Unidos . En 2005 recibió el premio conmemorativo Wilks de la ASA por sus contribuciones a la estadística. Entre sus charlas plenarias se incluyen el discurso por invitación del presidente de 2005 y la conferencia Fisher de COPSS de 2012 en las Reuniones Estadísticas Conjuntas, y el discurso por invitación del presidente en la Reunión de la Región Este de América del Norte de 2018 de la Sociedad Biométrica Internacional . En 2020 recibió el Premio de Liderazgo Marvin Zelen en Ciencias Estadísticas de la Universidad de Harvard.
{{cite book}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link){{cite journal}}: CS1 maint: multiple names: authors list (link)