Об'єднання калібрувальних графіків після багаторазової імпутації

Я хотів би поради щодо об'єднання графіків / статистичних даних щодо калібрування після багаторазової імпутації. Налагоджуючи розробку статистичних моделей з метою прогнозування майбутньої події (наприклад, використовуючи дані з лікарняних записів для прогнозування виживання після лікарні або після подій у лікарні), можна уявити, що є дещо до безлічі відомостей. Множинна імпутація - це спосіб вирішення такої ситуації, але призводить до необхідності об'єднання статистичних даних тестів з кожного набору даних з урахуванням додаткової мінливості через властиву невизначеності імпутації.

Я розумію, що існує декілька статистичних даних про калібрування (хосмер-лемешоу, Ерема Харрела, розрахунковий індекс калібрування тощо), для яких можуть застосовуватися "звичайні" правила Рубіна щодо об'єднання.

Однак ці статистичні дані часто є загальними заходами калібрування, які не показують конкретні пропущені ділянки моделі. З цієї причини я б краще поглянути на графік калібрування. На жаль, я не знаю, як "об'єднати" ділянки або дані, що стоять за ними (передбачувані ймовірності на особу та спостережуваний результат на особу), і не можу знайти багато в біомедичній літературі (поле, з яким я знайомий), або тут, на CrossValidated. Звичайно, перегляд калибровочного діаграми кожного набору даних може бути відповіддю, але може стати досить набридливим (до теперішнього часу), коли буде створено багато наборів імпутацій.

Тому я хотів би запитати, чи існують методи, які призводять до калібрування графіку, об'єднаного після багаторазової імпутації (?)

— IWS
джерело

Чи можливо безпосередньо об'єднати завантажені зразки та оцінити калібрування цього зразка?

— АдамО

@AdamO, що саме ти маєш на увазі під об'єднанням безпосередньо? А до яких зразків завантажувального обладнання ви посилаєтесь?

— IWS

Вибачте, дозвольте мені створити резервну копію, (я вважаю MI як завантажувальний засіб). Я кажу, якщо ваш n - 1000, і у вас є 5 наборів даних MI, чому б не створити єдиний графік калібрування з 5000 і порівняти спостережуване / очікуване будь-яким бажаним способом з цих 5000?

— АдамО

@AdamO Звучить цікаво, воно потребує коригування функцій, які також забезпечують інтервал довіри. Будь-які посилання чи теорії, які підтверджують цю ідею?

— IWS

Немає посилань, нещодавно ми опублікували документ, де ми без доказів заявили, що отримали висновок щодо стандартних помилок завантажувальної програми та багаторазової імпутації, об'єднавши їх таким чином. Я думаю, ви можете констатувати, що метою аналізу є тестування на рівні 0,05, що коефіцієнт очікування / спостереження або різниця знаходиться в межах нормального діапазону розподілу і що кількісні оцінки інваріантні розміру вибірки, тому тестування на основі 95% ДІ не впливає на об'єднання.

— AdamO

[...] якщо ваш n - 1000, і у вас є 5 наборів даних MI, чому б не створити єдиний графік калібрування з 5000 і порівняти спостережуване / очікуване будь-яким бажаним способом з цих 5000?

Щодо посилань:

Немає посилань, нещодавно ми опублікували документ, де ми без доказів заявили, що отримали висновок щодо стандартних помилок завантажувальної програми та багаторазової імпутації, об'єднавши їх таким чином. Я думаю, ви можете констатувати, що метою аналізу є тестування на рівні 0,05, що коефіцієнт очікування / спостереження або різниця знаходиться в межах нормального діапазону розподілу і що кількісні оцінки інваріантні розміру вибірки, тому тестування ґрунтується на 95% ДІ не впливає на об'єднання.

— mkt - Відновлення Моніки
джерело

Я скопіював цей коментар від @AdamO як відповідь у вікі спільноти, оскільки коментар - це більш-менш відповідь на це питання. У нас є різкий розрив між відповідями та питаннями. Принаймні частина проблеми полягає в тому, що на деякі запитання відповідають у коментарях: якби коментарі, які відповіли на це питання, були замість них відповідями, у нас було б менше питань без відповіді.

— mkt -