Tahmin etmek istediğiniz priori lineer bir modeliniz olduğunda çoklu değerlendirme oldukça basittir . Bununla birlikte, bazı model seçimleri yapmak istediğinizde işler biraz daha zor görünmektedir (örneğin, daha büyük bir aday değişken kümesinden "en iyi" tahmin değişkenleri kümesini bulun - özellikle R'yi kullanarak LASSO ve fraksiyonel polinomları düşünüyorum).
Bir fikir, modeli orijinal verilere eksik değerlerle sığdırmak ve daha sonra bu modeli MI veri setlerinde yeniden tahmin etmek ve tahminleri normalde yaptığınız gibi birleştirmek olacaktır. Ancak, başlangıçta "yanlış" bir model seçilmesine yol açabilecek önyargı (ya da MI neden ilk sırada?) Beklediğiniz için bu sorunlu görünüyor.
Başka bir fikir, her MI veri setinde kullandığınız model seçim sürecinden geçmek olacaktır - fakat farklı değişken kümeleri içeriyorsa sonuçları nasıl birleştirirsiniz?
Düşündüğüm bir düşünce, bir MI veri kümesini kümelemek ve bunları daha sonra tek bir "en iyi" modele sığdırmak için kullanacağınız büyük bir veri kümesi olarak analiz etmek ve bunun için tekrarlanan ölçümleri kullandığınız gerçeğini hesaba katan rastgele bir etki içermesiydi. Her gözlem.
Bu mantıklı geliyor mu? Ya da belki inanılmaz derecede saf? Bu konuyla ilgili herhangi bir işaretçi (birden fazla değere sahip model seçimi) çok takdir edilecektir.