Dados ausentes s˜ao comuns em experimentos multiambientais por mais bem planejados que sejam, por isso, o uso de m´etodos de an´alises apropriados ´e essencial para reduzir o impacto gerado pela perda de informa¸c˜oes. A imputa¸c˜ao de dados ´e uma das t´ecnicas comumente usada para contornar o problema das ausˆencias, estima os dados ausentes por valores plaus´ıveis e posteriormente as an´alises s˜ao realizadas sobre os dados completados. O presente trabalho tem por objetivo propor um novo m´etodo de imputa¸c˜ao m´ultipla, para dados provenientes de experimentos multiambientais, resultante da proposta dos res´ıduos simples do modelo de regress˜ao linear. Deste modo, modifica¸c˜oes no algoritmo de imputa¸c˜ao simples EM-AMMI foram realizadas, de forma a comportar o modelo de efeitos principais aditivos e intera¸c˜ao multiplicativa generalizado GAMMI. A qualidade do m´etodo de imputa¸c˜ao m´ultipla foi avaliada pormeio das distribui¸c˜oes de uma estat´ıstica geral de acur´acia que combina a variˆancia entre imputa¸c˜oes e o vi´es quadr´atico m´edio e da raiz normalizada do erro quadr´atico m´edio (NRMSE). Para tal, simula¸c˜oes de retiradas aleat´oria de valores nos n´ıveis de 10%, 20%, 30% e at´e 40% foram geradas a partir de dois conjuntos de dados reais e as imputa¸c˜oes correspondentes obtidas. Os resultados da medida geral acur´acia e da NRMSE, pelos seus baixos valores obtidos em rela¸c˜ao ao m´etodo proposto, servem de evidˆencias da melhor qualidade do algoritmo de imputa¸c˜ao m´ultipla IMGAMMI proposto.