Bir dizi tamamlanmış veri kümesi elde etmek için çoklu gösterim kullandım.
Bir parametre (rastgele etki) için posterior dağılımlar elde etmek için tamamlanmış veri kümelerinin her birinde Bayesian yöntemleri kullandım.
Bu parametre için sonuçları nasıl birleştirebilirim / havuzlayabilirim?
Daha fazla bağlam:
Modelim okullarda kümelenmiş bireysel öğrenciler (öğrenci başına bir gözlem) anlamında hiyerarşiktir. Veri hiyerarşisini impütasyonlara dahil etmeye çalışmak için eksik veriler için tahmin edicilerden biri olarak MICE
dahil ettiğim verilerim üzerinde birden fazla imputasyon ( R kullanarak ) yaptım school
.
Tamamlanan veri kümelerinin her birine basit bir rastgele eğim modeli ekledim ( MCMCglmm
R kullanarak ). Sonuç ikili.
Rastgele eğim varyansının arka yoğunluklarının, şöyle bir şey olduğu anlamında "iyi davrandığını" buldum:
Bu rastgele etki için, her bir engellenen veri kümesindeki posterior araçları ve güvenilir aralıkları nasıl birleştirebilir / havuzlayabilirim?
Güncelleme1 :
Şimdiye kadar anladığım kadarıyla, Rubin'in kurallarını posterior ortama uygulayabilirim, çarpma çarpıntılı posterior ortalama vermek için - bunu yaparken herhangi bir sorun var mı? Ancak% 95 güvenilir aralıkları nasıl birleştirebileceğim hakkında hiçbir fikrim yok. Ayrıca, her impütasyon için gerçek bir posterior yoğunluk örneğim olduğu için - bunları bir şekilde birleştirebilir miyim?
Güncelleme2 :
@ Cyan'ın yorumlardaki önerisine göre, çok sayıda impütasyondan her tam veri kümesinden elde edilen posterior dağılımlardan örnekleri birleştirmeyi çok seviyorum. Ancak, bunu yapmanın teorik gerekçesini bilmek istiyorum.