Estoy usando un modelo de retraso distribuido para analizar datos de series de tiempo. La duración del período de estudio es de 18 años, y la observación son datos anuales. Cuando se incluye un efecto de retraso de 1 año, falta el primer año de la variable de retraso. Luego, un efecto de retraso de 2 años hace que falten los dos primeros datos de la variable de retraso, y así sucesivamente.
Voy a analizar cinco efectos de retraso en mis estudios, pero cinco variables de retraso causaron 5 datos faltantes. Supongo que la imputación múltiple puede ayudarme a superar la pérdida de información en estas variables de retraso, pero el resultado de la imputación no es razonable.
¿Hay alguna idea mejor para imputar los datos faltantes en las variables de retraso?