मैं इस पत्र का उल्लेख करता हूं : हेस जेआर, ग्रोनर जेआई। "ट्रॉमा रजिस्ट्री डेटा से चोट की गंभीरता पर कार की सीटों और सीट बेल्ट के उपयोग के प्रभाव का परीक्षण करने के लिए कई अभेद्यता और प्रवृत्ति स्कोर का उपयोग करना।" जे पीडियाट्रर सर्जन। 2008 मई; 43 (5): 924-7।
इस अध्ययन में, 15 पूर्ण डेटासेट प्राप्त करने के लिए कई प्रतिरूपण किए गए थे। प्रॉपर्टीज स्कोर तब प्रत्येक डेटासेट के लिए गणना की गई थी। फिर, प्रत्येक अवलोकन इकाई के लिए, रिकॉर्ड किए गए 15 डेटासेट (संबंधित प्रवृत्ति स्कोर सहित) में से एक से यादृच्छिक रूप से चुना गया था, जिससे एक एकल अंतिम डेटासेट बन गया था, जिसके बाद भविष्यवाणी स्कोर मिलान द्वारा विश्लेषण किया गया था।
मेरे प्रश्न हैं: क्या यह वैधता स्कोर करने के लिए कई प्रतिरूपण के बाद मिलान करने का वैध तरीका है? क्या इसे करने के लिए वैकल्पिक तरीके हैं?
संदर्भ के लिए: अपने नए प्रोजेक्ट में, मैं 2 उपचार विधियों के प्रभाव की तुलना करना चाहता हूं ताकि प्रॉपर्टीज स्कोर मिलान का उपयोग किया जा सके। अनुपलब्ध डेटा है और मैं MICE
अनुपलब्ध मानों को लागू करने के लिए आर में पैकेज का उपयोग करने का इरादा करता हूं , फिर twang
प्रॉपर्टीज स्कोर मिलान करने के लिए, और फिर lme4
मिलान किए गए डेटा का विश्लेषण करने के लिए।
Update1:
मुझे यह पेपर मिला है जो एक अलग दृष्टिकोण लेता है: मित्रा, रॉबिन और राइटर, जेरोम पी। (2011) पुनरावृत्ति, क्रमिक एकाधिक प्रतिरूपण [वर्किंग पेपर] के माध्यम से लापता कोवरिएट्स के साथ मिलान करने वाले प्रवृत्ति स्कोर।
इस पत्र में लेखक सभी प्रतिरूपित डेटासेट पर प्रसार स्कोर की गणना करते हैं और फिर उन्हें औसत से पूल करते हैं, जो रुबिन के नियम का एक बिंदु अनुमान के लिए उपयोग करते हुए कई प्रतिरूपण की भावना में है - लेकिन क्या यह वास्तव में एक प्रवृत्ति स्कोर के लिए लागू है?
यह बहुत अच्छा होगा अगर CV पर कोई भी इन 2 अलग-अलग दृष्टिकोणों पर टिप्पणी के साथ उत्तर दे सकता है, और / या कोई अन्य…।