Użyłem wielokrotnej imputacji, aby uzyskać liczbę kompletnych zestawów danych.
Użyłem metod bayesowskich na każdym z kompletnych zestawów danych, aby uzyskać rozkłady tylne dla parametru (efekt losowy).
Jak mogę połączyć / połączyć wyniki dla tego parametru?
Więcej kontekstu:
Mój model jest hierarchiczny w sensie pojedynczych uczniów (jedna obserwacja na jednego ucznia) skupionych w szkołach. Zrobiłem wiele imputacji (używając MICE
w R) na moich danych, gdzie zawarłem school
jako jeden z predyktorów brakujących danych - aby spróbować włączyć hierarchię danych do imputacji.
Dopasowałem prosty model losowego nachylenia do każdego z kompletnych zestawów danych (używając MCMCglmm
w R). Wynik jest binarny.
Odkryłem, że tylne gęstości losowej wariancji nachylenia są „dobrze zachowane” w tym sensie, że wyglądają mniej więcej tak:
Jak mogę połączyć / połączyć tylne środki i wiarygodne odstępy czasu z każdego przypisanego zestawu danych, aby uzyskać ten losowy efekt?
Aktualizacja 1 :
Z tego, co rozumiem do tej pory, mógłbym zastosować reguły Rubina do tylnego środka, aby dać wielokrotnie przypisany środek tylny - czy są z tym jakieś problemy? Ale nie mam pojęcia, jak połączyć 95% wiarygodnych przedziałów. Ponadto, skoro mam rzeczywistą próbkę gęstości tylnej dla każdej imputacji - czy mogę jakoś to połączyć?
Aktualizacja 2 :
Zgodnie z sugestią @ cyan w komentarzach bardzo podoba mi się pomysł połączenia próbek z późniejszych rozkładów uzyskanych z każdego pełnego zestawu danych z wielu imputacji. Chciałbym jednak poznać teoretyczne uzasadnienie tego.
źródło
Odpowiedzi:
W przypadku szczególnie dobrze wychowanych tylnych, które można odpowiednio opisać parametrycznym opisem rozkładu, możesz po prostu wziąć średnią i wariancję, która najlepiej opisuje twój tylny odcinek i odejść. Podejrzewam, że może to być odpowiednie w wielu okolicznościach, w których nie dostajesz naprawdę dziwnych dystrybucji bocznych.
źródło
Jeśli korzystasz ze staty, istnieje procedura o nazwie „mim”, która łączy dane po imputacji dla modeli z efektami mieszanymi. Nie wiem czy jest dostępny w R.
źródło