การใส่หลายแบบและการเลือกแบบจำลอง

การใส่หลายแบบนั้นค่อนข้างตรงไปตรงมาเมื่อคุณมีโมเดลเชิงเส้นเบื้องต้นที่คุณต้องการประมาณ อย่างไรก็ตามสิ่งต่าง ๆ ดูเหมือนจะมีเล่ห์เหลี่ยมกว่าเมื่อคุณต้องการเลือกแบบจำลองบางอย่าง (เช่นค้นหาชุดตัวทำนายที่ดีที่สุดจากตัวแปรตัวเลือกที่มีขนาดใหญ่กว่า - ฉันกำลังคิดถึง LASSO และพหุนามเศษส่วนโดยใช้ R)

แนวคิดหนึ่งคือให้พอดีกับโมเดลในข้อมูลต้นฉบับที่มีค่าที่หายไปจากนั้นประเมินโมเดลนี้ใหม่ในชุดข้อมูล MI และรวมการประมาณการตามปกติ อย่างไรก็ตามนี่เป็นปัญหาเนื่องจากคุณคาดหวังความลำเอียง (หรือทำไม MI ในตอนแรก?) ซึ่งอาจนำไปสู่การเลือกแบบจำลอง "ผิด" ตั้งแต่เริ่มต้น

ความคิดอีกอย่างหนึ่งก็คือการทำตามขั้นตอนการเลือกแบบจำลองใด ๆ ที่คุณใช้ในชุดข้อมูล MI แต่ละชุด - แต่คุณจะรวมผลลัพธ์อย่างไรหากรวมตัวแปรชุดต่าง ๆ เข้าด้วยกัน

หนึ่งคิดว่าฉันต้องซ้อนชุดข้อมูล MI และวิเคราะห์เป็นชุดข้อมูลขนาดใหญ่ที่คุณจะใช้เพื่อให้พอดีกับรูปแบบ "ดีที่สุด" เดี่ยวและรวมถึงผลกระทบแบบสุ่มในบัญชีสำหรับความจริงที่คุณใช้มาตรการซ้ำสำหรับ การสังเกตแต่ละครั้ง

เสียงนี้สมเหตุสมผลหรือไม่ หรืออาจจะไร้เดียงสาอย่างไม่น่าเชื่อ? พอยน์เตอร์ใด ๆ ในปัญหานี้ (การเลือกรุ่นที่มีการใส่หลายครั้ง) จะได้รับการชื่นชมอย่างมาก

มีหลายสิ่งที่คุณสามารถทำได้เพื่อเลือกตัวแปรจากข้อมูลที่มีการเพิ่มจำนวนข้อมูล ดูWood et al (2008) Stat Medเพื่อเปรียบเทียบความเป็นไปได้ต่างๆ

ฉันพบว่ากระบวนการสองขั้นตอนต่อไปนี้มีประโยชน์ในทางปฏิบัติ

1. ใช้วิธีการเลือกตัวแปรที่ต้องการของคุณเป็นอิสระให้กับแต่ละกล่าวหาชุดข้อมูล คุณจะจบลงด้วยม.รุ่นที่แตกต่างกัน สำหรับตัวแปรแต่ละตัวให้นับจำนวนครั้งที่ปรากฏในโมเดล เลือกตัวแปรเหล่านั้นที่ปรากฏในโมเดลmอย่างน้อยครึ่งหนึ่ง$m$$m$$m$
2. ใช้ p-value ของสถิติ Wald หรือการทดสอบอัตราส่วนความน่าจะเป็นซึ่งคำนวณจากชุดข้อมูลทวีคูณถูกนับเป็นเกณฑ์สำหรับการเลือกแบบจำลองขั้นตอนต่อไป$m$

ขั้นตอนการเลือกล่วงหน้า 1 ถูกรวมไว้เพื่อลดจำนวนการคำนวณ ดูhttp://www.stefvanbuuren.nl/mi/FIMDmaterials/src/fimd6.r.txt (ส่วน 6.4.2) mice()สำหรับตัวอย่างรหัสของวิธีการแบบสองขั้นตอนในการวิจัยโดยใช้ ใน Stata คุณสามารถดำเนินการขั้นตอนที่ 2 (ตัวแปรทั้งหมด) mim:stepwiseด้วย

มันเป็นเรื่องตรงไปตรงมา: คุณสามารถใช้กฎการรวม MI แบบมาตรฐานได้ แต่เอฟเฟกต์ของตัวแปรที่ไม่ได้รับการสนับสนุนในชุดข้อมูลที่ใส่เข้าไป ตัวอย่างเช่นหากไม่ได้เลือกตัวแปรในชุดข้อมูลที่ระบุเฉพาะการประมาณ (รวมถึงความแปรปรวน) เป็นศูนย์และสิ่งนี้จะต้องสะท้อนให้เห็นในการประมาณการที่ใช้เมื่อใช้การใส่หลายครั้ง คุณสามารถพิจารณาการทำ bootstrapping เพื่อสร้างช่วงความเชื่อมั่นเพื่อรวมความไม่แน่นอนในการเลือกรูปแบบได้ดูสิ่งพิมพ์ล่าสุดนี้ซึ่งตอบคำถามทุกข้อ: http://www.sciencedirect.com/science/article/pii/S016794731300073X

ฉันจะหลีกเลี่ยงการใช้วิธีการปฏิบัติเช่นการเลือกตัวแปรถ้ามันถูกเลือกในชุดข้อมูล m / 2 หรือ sth ที่คล้ายกันเพราะการอนุมานไม่ชัดเจนและซับซ้อนกว่าการมองแวบแรก

ฉันมีปัญหาเดียวกัน

ตัวเลือกของฉันคือสิ่งที่เรียกว่า โดยทั่วไปจะรวมชุดข้อมูลที่ประเมินไว้ด้วยกันและ adopts แนวคิดของกลุ่มเชือก: ทุกตัวแปรผู้สมัครจะสร้างเมตรตัวแปรดัมมี่ ตัวแปรดัมมี่แต่ละตัวสอดคล้องกับชุดข้อมูลที่กำหนดไว้

จากนั้นทั้งหมดเมตรตัวแปรดัมมี่ถูกจัดกลุ่ม คุณจะทิ้งตัวแปรดัมมี่ของตัวแปรตัวเลือกในชุดข้อมูลที่ถูกใส่ข้อมูลทั้งหมดหรือเก็บไว้ในชุดข้อมูลที่ใส่เข้าไปทั้งหมด

ดังนั้นการถดถอยแบบบ่วงบาศจึงสอดคล้องกับชุดข้อมูลทั้งหมดที่ถูกรวมเข้าด้วยกัน

ตรวจสอบกระดาษ :

Chen, Q. & Wang, S. (2013) "การเลือกตัวแปรสำหรับข้อมูลทวีคูณด้วยการประยุกต์ใช้กับการศึกษาการได้รับสารไดออกซิน" สถิติทางการแพทย์, 32: 3646-59

และโปรแกรม R ที่เกี่ยวข้อง

ฉันได้พบกับปัญหาที่คล้ายกัน - ฉันมีชุดข้อมูลที่ฉันรู้ตั้งแต่เริ่มต้นว่าฉันต้องการรวมตัวแปรทั้งหมด (ฉันสนใจค่าสัมประสิทธิ์มากกว่าที่คาดการณ์ไว้) แต่ฉันไม่รู้ สำคัญก่อนว่าการโต้ตอบใดควรระบุ

แนวทางของฉันคือการเขียนชุดของแบบจำลองผู้สมัครดำเนินการใส่ข้อมูลหลาย ๆ แบบประเมินโมเดลหลายแบบและเพียงบันทึกและหาค่าเฉลี่ยของ AIC จากแต่ละรุ่น เลือกข้อมูลจำเพาะรุ่นที่มีค่าเฉลี่ยต่ำสุดของ AIC

ฉันคิดเกี่ยวกับการเพิ่มการแก้ไขที่ฉันลงโทษความแปรปรวนระหว่างการใส่ใน AIC ในการไตร่ตรอง

วิธีการนั้นดูเหมือนจะตรงไปตรงมามากพอสำหรับฉัน แต่ฉันคิดค้นมันขึ้นมาเองและฉันก็ไม่ได้เป็นนักสถิติที่มีชื่อเสียง ก่อนที่จะใช้คุณอาจต้องการรอจนกว่าผู้คนจะแก้ไขฉัน (ซึ่งยินดีต้อนรับ!) หรือยกเลิกคำตอบนี้