मैं कई प्रतिरूपण के बाद अंशांकन भूखंडों / आंकड़ों को पूल करने की सलाह चाहूंगा। भविष्य की घटना की भविष्यवाणी करने के लिए सांख्यिकीय मॉडल विकसित करने की सेटिंग में (जैसे अस्पताल रिकॉर्ड से डेटा का उपयोग करके पोस्ट डिस्चार्ज अस्तित्व या घटनाओं की भविष्यवाणी करने के लिए), कोई कल्पना कर सकता है कि बहुत सारी लापता जानकारी है। मल्टीपल इंप्यूटेशन ऐसी स्थिति से निपटने का एक तरीका है, लेकिन इंप्यूटेंट की अंतर्निहित अनिश्चितता के कारण अतिरिक्त परिवर्तनशीलता को ध्यान में रखते हुए प्रत्येक इंप्यूटेशन डेटासेट से टेस्ट के आँकड़ों को पूल करने की आवश्यकता है।
मैं समझता हूं कि कई अंशांकन आँकड़े (होस्मेर-लेमेशो, हरेल के एमैक्स, अनुमानित अंशांकन सूचकांक आदि) हैं, जिसके लिए पूलिंग के लिए 'नियमित' रूबिन के नियम लागू हो सकते हैं।
हालांकि, ये आँकड़े अक्सर अंशांकन के समग्र उपाय हैं जो मॉडल के विशिष्ट मिस-कैलिब्रेटेड क्षेत्रों को नहीं दिखाते हैं। इस कारण से, मैं एक अंशांकन भूखंड देखना चाहूंगा। अफसोस है कि मैं प्लॉट्स को 'पूल' या उनके पीछे के डेटा को कैसे प्रति व्यक्ति (प्रति व्यक्ति और प्रति व्यक्ति देखे गए परिणामों की अनुमानित संभावनाएं) के रूप में देखता हूं, और बायोमेडिकल साहित्य (मैं जिस क्षेत्र से परिचित हूं, उसमें बहुत कुछ नहीं मिल सकता) या यहाँ, CrossValidated पर। बेशक, प्रत्येक इंप्यूटेशन डेटासेट के कैलिब्रेशन प्लॉट को देखना एक जवाब हो सकता है, लेकिन जब बहुत सारे इंप्यूटेशन सेट बन जाते हैं, तो वे काफी परेशान हो सकते हैं।
इसलिए मैं पूछना चाहता हूं कि क्या ऐसी तकनीकें हैं जो एक अंशांकन प्लॉट में परिणामित होंगी, कई प्रतिरूपण (?) के बाद जमा हो जाएगी।