मल्टीपल इंप्यूटेशन (एमआई) का तर्क एक बार नहीं बल्कि कई (आमतौर पर एम = 5) बार गुम मूल्यों को लागू करना है, जिसके परिणामस्वरूप एम पूरा डेटासेट होता है। एम पूरा किए गए डेटासेट का विश्लेषण तब पूर्ण-डेटा विधियों के साथ किया जाता है, जिस पर एम अनुमान और उनकी मानक त्रुटियों को "समग्र" अनुमान और इसकी मानक त्रुटि प्राप्त करने के लिए रुबिन के फ़ार्मुलों का उपयोग करके जोड़ा जाता है।
अब तक बहुत अच्छा है, लेकिन मुझे यकीन नहीं है कि इस नुस्खा को कैसे लागू किया जाए जब मिश्रित-प्रभाव मॉडल के विचरण घटक चिंतित हों। एक विचरण घटक का नमूना वितरण विषम है - इसलिए संबंधित आत्मविश्वास अंतराल विशिष्ट "अनुमान (1.96 * से (अनुमान)" रूप में नहीं दिया जा सकता है। इस कारण से आर पैकेज lme4 और nlme भी विचरण घटकों की मानक त्रुटियों को प्रदान नहीं करते हैं, लेकिन केवल विश्वास अंतराल प्रदान करते हैं।
इसलिए हम एक डेटासेट पर एमआई का प्रदर्शन कर सकते हैं और फिर एम प्रोटोकॉल प्रोटोकॉल पर एक ही मिश्रित-प्रभाव मॉडल को फिट करने के बाद एम वेरिएशन घटक के प्रति एम आत्मविश्वास अंतराल प्राप्त कर सकते हैं। सवाल यह है कि इन एम अंतरालों को एक "समग्र" आत्मविश्वास अंतराल में कैसे जोड़ा जाए।
मुझे लगता है कि यह संभव होना चाहिए - एक लेख के लेखक (yucel & demirtas (2010) एमआई द्वारा अनुमान पर गैर-सामान्य यादृच्छिक प्रभावों का प्रभाव) ऐसा लगता है, लेकिन वे वास्तव में यह नहीं बताते हैं कि कैसे।
किसी भी सुझाव बहुत बाध्य होगा!
चीयर्स, रोक