He utilizado varios de imputación para obtener un número de conjuntos de datos.
He utilizado métodos Bayesianos en cada uno de los conjuntos de datos para obtener las distribuciones posteriores para un parámetro (efecto aleatorio).
¿Cómo puedo combinar la piscina / los resultados de este parámetro ?
Más de contexto:
Mi modelo es jerárquica en el sentido de cada uno de los alumnos (una observación por cada alumno), agrupados en las escuelas. He hecho varias imputaciones (utilizando MICER) en mis datos donde incluí school como uno de los predictores de los datos que faltan - para tratar de incorporar la jerarquía de datos en las imputaciones.
He instalado una simple azar de la pendiente del modelo para cada uno de los conjuntos de datos (usando MCMCglmm en R). El resultado es binario.
He encontrado que la parte posterior de las densidades del azar pendiente de la varianza se "portan bien" en el sentido de que se verá algo como esto:
¿Cómo puedo combinar la piscina/el posterior medios y los intervalos de credibilidad de cada uno de los imputados conjunto de datos, para este efecto aleatorio ?
Update1:
Por lo que entiendo hasta ahora, que yo pueda aplicar Rubin, reglas para la posterior significa, para dar una multiplicar imputado posterior significa - hay algún problema con hacer esto ? Pero no tengo idea de cómo puedo combinar el 95% intervalos de credibilidad. También, ya que tengo un real posterior de la densidad de la muestra para cada imputación podría de alguna manera me combinar estas ?
Update2:
Como por @cian sugerencia en los comentarios, me gusta mucho la idea de simplemente la combinación de las muestras de la parte posterior de las distribuciones obtenidas a partir de cada conjunto de datos completo de imputación múltiple. Sin embargo, me gustaría saber la justificación teórica para hacerlo.
