다중 대치 후 풀링 교정 플롯


15

다중 대치 후 교정 플롯 / 통계 풀링에 대한 조언을 원합니다. 미래 사건을 예측하기 위해 통계 모델을 개발하는 설정에서 (예를 들어, 병원 기록의 데이터를 사용하여 퇴원 후 생존 또는 사건을 예측하는 경우), 누락 된 정보가 많이 있다고 상상할 수 있습니다. 다중 대치는 이러한 상황을 처리하는 방법이지만 고유 한 대치 불확실성으로 인한 추가 변동성을 고려하여 각 대치 데이터 세트에서 테스트 통계를 풀링해야합니다.

풀링에 대한 '일반적인'Rubin의 규칙이 적용될 수있는 여러 가지 교정 통계 (hosmer-lemeshow, Harrell 's Emax, 추정 교정 지수 등)가 있음을 이해합니다.

그러나 이러한 통계는 종종 모델의 특정 미스 교정 영역을 나타내지 않는 전체 교정 측정치입니다. 이런 이유로 보정 플롯을보고 싶습니다. 안타깝게도 나는 음모 또는 그 뒤에있는 데이터를 '풀링'하는 방법 (개인마다 예측 된 확률과 개별 결과를 관찰하는 방법)에 대해 우연이 없으며 생물 의학 문헌 (내가 익숙한 분야)에서 많이 찾을 수 없습니다. 또는 여기 CrossValidated에서. 물론 각 대치 데이터 세트의 캘리브레이션 플롯을 보는 것이 답이 될 수 있지만 많은 대치 세트가 만들어 질 때 상당히 귀찮게 될 수 있습니다.

따라서 여러 대치 후 풀링 된 교정 플롯을 만드는 기술이 있는지 묻고 싶습니다 (?)


부트 스트랩 된 샘플을 직접 풀링하고 해당 샘플의 교정을 평가할 수 있습니까?
AdamO

@AdamO 직접 풀링한다는 것은 정확히 무엇을 의미합니까? 그리고 어떤 부트 스트랩 샘플을 참조하십니까?
IWS

2
죄송합니다. MI를 부트 스트랩으로 생각합니다. n이 1,000이고 5 개의 MI 데이터 세트가 있다면 5000에서 단일 캘리브레이션 플롯을 생성하고 5,000에서 원하는 방식으로 관찰 / 예상을 비교해보십시오.
AdamO

@AdamO 흥미롭게 들리지만, 신뢰 구간을 제공하는 기능의 조정이 필요합니다. 이 아이디어를 뒷받침하는 참고 문헌이나 이론이 있습니까?
IWS

2
우리는 최근에 우리가 부트 스트랩 표준 오류와 이러한 방식으로 함께 풀링하여 다중 대치에 대한 추론을 얻었음을 증명하지 않고 진술 한 논문을 발표했습니다. 분석의 목적은 기대 / 관찰 비율 또는 차이가 정규 분포 범위 내에 있고 Quantile 추정값이 표본 크기에 대해 변하지 않는다는 것을 0.05 수준에서 테스트하고 있다고 95 % CI를 기반으로 테스트 풀링의 영향을받지 않습니다.
AdamO

답변:


1

[...] n이 1,000이고 5 개의 MI 데이터 세트가있는 경우 5000에서 단일 캘리브레이션 플롯을 생성하고 5,000에서 원하는 방식으로 관찰 / 예상을 비교해보십시오.

참고 문헌에 관하여 :

우리는 최근에 우리가 부트 스트랩 표준 오류와 이러한 방식으로 함께 풀링하여 다중 대치에 대한 추론을 얻었음을 증명하지 않고 진술 한 논문을 발표했습니다. 분석의 목적은 기대 / 관찰 비율 또는 차이가 정규 분포 범위 내에 있고 Quantile 추정값이 표본 크기에 대해 변하지 않는다는 것을 0.05 수준에서 테스트하고 있다고 95 % CI를 기반으로 테스트 풀링의 영향을받지 않습니다.


1
@AdamO가 커뮤니티 위키 답변 으로이 의견을 복사했습니다.이 의견은이 질문에 대한 답변이므로 다소 그렇습니다. 우리는 답변과 질문 사이에 극적인 격차가 있습니다. 문제의 적어도 일부는 의견에 일부 질문에 대한 답변이 있다는 것입니다. 질문에 답변 한 의견이 답변 인 경우 답변되지 않은 질문이 줄어 듭니다.
mkt-복원 모니카
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.