Niepokoi mnie problem, że chciałbym uruchomić wartość p dla oszacowania podstawie danych wielokrotnego przypisania (MI), ale nie jest dla mnie jasne, jak połączyć wartości p w zestawach MI.
W przypadku zestawów danych MI standardowe podejście do uzyskania całkowitej wariancji oszacowań wykorzystuje reguły Rubina. Zobacz tutaj, aby zapoznać się z zestawieniem zestawów danych MI. Pierwiastek kwadratowy całkowitej wariancji służy jako standardowe oszacowanie błędu . Jednak w przypadku niektórych estymatorów całkowita wariancja nie ma znanej postaci zamkniętej lub rozkład próbkowania nie jest normalny. Statystyka może wówczas nie być rozkładem t, nawet asymptotycznie.θ / s e ( θ )
Dlatego w kompletnym przypadku danych jedną alternatywną opcją jest przeładowanie statystyki w celu znalezienia wariancji, wartości p i przedziału ufności, nawet jeśli rozkład próbkowania nie jest normalny, a jego zamknięta postać nieznana. W przypadku MI istnieją dwie opcje:
- Połącz wariancję ładowania początkowego w zestawach danych MI
- Połącz wartości p lub granice ufności w zestawach danych MI
Pierwsza opcja ponownie używałaby reguł Rubina. Uważam jednak, że jest to problematyczne, jeśli ma nietypowy rozkład próbkowania. W tej sytuacji (lub bardziej ogólnie, we wszystkich sytuacjach) można zastosować wartość p ładowania początkowego. Jednak w przypadku MI doprowadziłoby to do wielu wartości p lub przedziałów ufności, które należy połączyć w zestawy danych MI.
Więc moje pytanie brzmi: w jaki sposób powinienem połączyć wiele wartości p (lub przedziałów ufności) z bootstrapu w wielokrotnie przypisywanych zestawach danych?
Z zadowoleniem przyjmuję wszelkie sugestie dotyczące dalszego postępowania, dziękuję.