Я ссылаюсь на этот документ: Хейс JR, Groner JI. «Использование нескольких показателей вменения и склонности для проверки влияния автомобильных сидений и ремней безопасности на тяжесть травм на основании данных реестра травм». J Pediatr Surg. Май 2008 года; 43 (5): 924-7.
В этом исследовании была проведена множественная импутация для получения 15 полных наборов данных. Оценки склонности были затем рассчитаны для каждого набора данных. Затем для каждой наблюдательной единицы случайным образом выбиралась запись из одного из 15 законченных наборов данных (включая связанный показатель склонности), создавая тем самым один окончательный набор данных, для которого затем анализировалось сопоставлением показателей склонности.
Мои вопросы: Является ли это действительным способом сопоставления баллов предрасположенности после многократного вменения? Есть ли альтернативные способы сделать это?
Для контекста: в моем новом проекте я стремлюсь сравнить результаты двух методов лечения с использованием сопоставления баллов склонности. Отсутствуют данные, и я намереваюсь использовать MICE
пакет в R для вменения пропущенных значений, затем twang
для сопоставления показателей склонности, а затем lme4
для анализа сопоставленных данных.
Update1:
Я нашел эту статью, в которой используется другой подход: Митра, Робин и Райтер, Джером П. (2011) Сопоставление оценки склонности с отсутствующими ковариатами посредством повторного последовательного многократного вменения [Рабочий документ]
В этой статье авторы вычисляют оценки склонности по всем вмененным наборам данных, а затем объединяют их путем усреднения, что в духе множественного вменения использует правило Рубина для оценки баллов - но действительно ли оно применимо для оценки склонности?
Было бы очень хорошо, если бы кто-нибудь из CV мог дать ответ с комментариями по этим двум различным подходам и / или любым другим ....