Ho usato l'imputazione multipla per ottenere un numero di set di dati completati.
Ho usato i metodi bayesiani su ciascuno dei set di dati completati per ottenere distribuzioni posteriori per un parametro (un effetto casuale).
Come posso combinare / raggruppare i risultati per questo parametro?
Più contesto:
Il mio modello è gerarchico nel senso di singoli alunni (un'osservazione per alunno) raggruppati nelle scuole. Ho fatto più imputazioni (usando MICEin R) sui miei dati dove ho incluso schoolcome uno dei predittori per i dati mancanti - per cercare di incorporare la gerarchia dei dati nelle imputazioni.
Ho adattato un semplice modello di pendenza casuale a ciascuno dei set di dati completati (usando MCMCglmmin R). Il risultato è binario.
Ho scoperto che le densità posteriori della varianza della pendenza casuale sono "ben educate", nel senso che sembrano qualcosa del genere:
Come posso combinare / raggruppare i mezzi posteriori e gli intervalli credibili da ciascun set di dati imputato, per questo effetto casuale?
Aggiornamento 1 :
Da quello che ho capito finora, potrei applicare le regole di Rubin alla media posteriore, per dare una media posteriore moltiplicata imputata - ci sono problemi nel farlo? Ma non ho idea di come posso combinare gli intervalli credibili al 95%. Inoltre, dato che ho un campione di densità posteriore effettiva per ogni imputazione, potrei in qualche modo combinarli?
Aggiornamento2 :
Come suggerito da @ cyan nei commenti, mi piace molto l'idea di combinare semplicemente i campioni delle distribuzioni posteriori ottenuti da ogni set di dati completo da imputazione multipla. Tuttavia, vorrei conoscere la giustificazione teorica per farlo.