Логика множественного вменения (МИ) состоит в том, чтобы вменять пропущенные значения не один раз, а несколько (обычно М = 5) раз, что приводит к М завершенным наборам данных. Затем M завершенных наборов данных анализируются с использованием методов полных данных, на которых M оценок и их стандартные ошибки объединяются с использованием формул Рубина для получения «общей» оценки и ее стандартной ошибки.
Пока здорово, но я не уверен, как применять этот рецепт, когда речь идет о компонентах дисперсии модели смешанных эффектов. Распределение выборки дисперсионного компонента является асимметричным - поэтому соответствующий доверительный интервал нельзя дать в типичной форме «оценка ± 1,96 * se (оценка)». По этой причине пакеты R lme4 и nlme даже не предоставляют стандартных ошибок компонентов отклонения, а только обеспечивают доверительные интервалы.
Поэтому мы можем выполнить MI для набора данных, а затем получить M доверительных интервалов для каждого компонента дисперсии после подгонки той же модели смешанного эффекта к M завершенным наборам данных. Вопрос в том, как объединить эти М интервалы в один «общий» доверительный интервал.
Я думаю, это должно быть возможно - авторы статьи (yucel & demirtas (2010) Влияние ненормальных случайных эффектов на умозаключение по MI), похоже, сделали это, но они не объясняют, как именно.
Любые советы будут очень благодарны!
Ура, Рок