Çoklu impütasyondan sonra kalibrasyon grafiklerini / istatistiklerini birleştirme konusunda tavsiye istiyorum. Gelecekteki bir olayı tahmin etmek için istatistiksel modeller geliştirme ortamında (örneğin, hastaneden taburculuk sonrası hayatta kalmayı veya olayları tahmin etmek için hastane kayıtlarından elde edilen verileri kullanma), bazı çok fazla eksik bilginin olduğu hayal edilebilir. Birden fazla itimat, bu tür bir durumun üstesinden gelmenin bir yoludur, ancak içsel ithalatın belirsizliği nedeniyle ilave değişkenliği hesaba katarak, her itim veri kümesinden test istatistiklerinin havuzlanması ihtiyacı ile sonuçlanır.
'Düzenli' Rubin'in havuzlama kurallarının geçerli olabileceği çoklu kalibrasyon istatistikleri (hosmer-lemeshow, Harrell Emax, tahmini kalibrasyon indeksi vb.) Olduğunu anlıyorum.
Bununla birlikte, bu istatistikler genellikle modelin yanlış kalibre edilmiş bölgeleri göstermeyen genel kalibrasyon ölçümleridir. Bu nedenle, bir kalibrasyon grafiğine bakmayı tercih ederim. Ne yazık ki, arsaların veya arkasındaki verilerin nasıl 'havuzlanacağı' konusunda hiçbir fikrim yok (birey başına tahmin edilen olasılıklar ve birey başına gözlemlenen sonuç) ve biyomedikal literatürde (aşina olduğum alan) fazla bir şey bulamıyorum, veya burada, CrossValidated'da. Tabii ki, her bir impütasyon veri setinin kalibrasyon grafiğine bakmak bir cevap olabilir, ancak çok sayıda impütasyon seti oluşturulduğunda oldukça rahatsız edici olabilir.
Bu nedenle, bir çoklu kalibrasyondan sonra toplanan bir kalibrasyon grafiğine yol açacak teknikler olup olmadığını sormak istiyorum (?)