मैंने कई भरे हुए डेटासेट प्राप्त करने के लिए कई प्रतिरूपण का उपयोग किया है।
मैंने प्रत्येक पूर्ण डेटासेट पर बायेसियन विधियों का उपयोग एक पैरामीटर (एक यादृच्छिक प्रभाव) के लिए पीछे के वितरण को प्राप्त करने के लिए किया है।
मैं इस पैरामीटर के लिए परिणामों को कैसे संयोजित / पूल कर सकता हूं?
अधिक संदर्भ:
मेरा मॉडल स्कूलों में अलग-अलग विद्यार्थियों (प्रति छात्र एक अवलोकन) के अर्थ में पदानुक्रमित है। मैंने MICEअपने डेटा पर कई इंप्रूवमेंट ( R का उपयोग करते हुए) किया है जहाँ मैंने schoolलापता डेटा के लिए एक पूर्वानुमानकर्ता के रूप में शामिल किया है - डेटा पदानुक्रम को इंप्यूटेशन में शामिल करने का प्रयास करने के लिए।
मैंने प्रत्येक पूर्ण डेटासेट ( MCMCglmmR का उपयोग करके ) में एक सरल यादृच्छिक ढलान मॉडल फिट किया है । परिणाम द्विआधारी है।
मैंने पाया है कि यादृच्छिक ढलान विचलन के पीछे के घनत्व इस अर्थ में "अच्छी तरह से व्यवहार किए जाते हैं" कि वे इस तरह दिखते हैं:
मैं इस यादृच्छिक प्रभाव के लिए प्रत्येक प्रतिगामी डेटासेट से पीछे के साधन और विश्वसनीय अंतराल को कैसे जोड़ / पूल कर सकता हूं?
अपडेट 1 :
मैं अब तक जो भी समझ रहा हूं, उससे मैं रूबिन के नियमों को पीछे के माध्यम से लागू कर सकता हूं, एक बहुतायत से पोस्ट किए गए अर्थ को देने के लिए - क्या ऐसा करने में कोई समस्या है? लेकिन मुझे पता नहीं है कि मैं 95% विश्वसनीय अंतराल कैसे जोड़ सकता हूं। इसके अलावा, चूंकि मेरे पास प्रत्येक प्रतिरूपण के लिए एक वास्तविक पश्च घनत्व घनत्व है - क्या मैं किसी भी तरह इनको जोड़ सकता हूं?
अपडेट 2 :
टिप्पणियों में @ सियान के सुझाव के अनुसार, मैं बहुत से प्रतिरूपण से प्रत्येक पूर्ण डेटासेट से प्राप्त वितरण से बस नमूनों के संयोजन के विचार को बहुत पसंद करता हूं। हालाँकि, मुझे ऐसा करने के लिए सैद्धांतिक औचित्य जानना चाहिए।