La imputación múltiple por ecuaciones encadenadas (MICE) es el método más común para imputar datos faltantes. En el algoritmo MICE, la imputación se puede realizar utilizando una variedad de métodos paramétricos y no paramétricos. La configuración predeterminada en la implementación de MICE es que los modelos de imputación incluyan variables solo como términos lineales sin interacciones, pero la omisión de términos de interacción puede llevar a resultados sesgados. Se investiga, utilizando conjuntos de datos simulados y reales, si la partición recursiva crea la variabilidad adecuada entre las imputaciones y estimaciones de parámetros no sesgadas con intervalos de confianza apropiados. Comparamos cuatro métodos de imputación múltiple (MI) en un conjunto de datos real y uno simulado. Los métodos de MI incluyeron el uso de coincidencia de medias predictivas con un término de interacción en el modelo de imputación en MICE (MICE-interacción), árbol de clasificación y regresión (C