Las funciones de producción educativa se basan principalmente en datos longitudinales que casi siempre presentan datos faltantes. Este documento contribuye a varias áreas en la literatura sobre economía de la educación y estadística aplicada al revisar los fundamentos teóricos del análisis de datos faltantes con un enfoque especial en la aplicación de la imputación múltiple a estudios educativos longitudinales. La imputación múltiple es uno de los métodos más destacados para superar este problema. No solo tiene en cuenta toda la información disponible en los predictores, sino que también considera la incertidumbre generada por los datos faltantes en sí mismos. Este documento aplica una técnica de imputación múltiple utilizando un método de especificación totalmente condicional basado en una simulación iterativa de Monte Carlo de cadena de Markov (MCMC) utilizando un algoritmo de muestreo de Gibbs. Los intentos anteriores de utilizar la simulación MCMC se aplicaron en conjuntos de datos relativamente pequeños con un número reducido de variables. Por lo tanto, otra contribución de este documento es su aplicación y comparación de la técnica de imputación en un gran estudio educativo longitudinal en inglés para tres especificaciones de iteración. Los resultados de la simulación demostraron la convergencia del algoritmo.