একাধিক অভিব্যক্তির যুক্তি (এমআই) হ'ল অনুপস্থিত মানগুলি একবার নয় বরং বেশ কয়েকটি (সাধারণত এম = 5) বার অঙ্ক করা, ফলস্বরূপ এম সম্পূর্ণ ডেটাসেটের ফলস্বরূপ। এম সম্পূর্ণ হওয়া ডেটাসেটগুলি সম্পূর্ণ ডেটা পদ্ধতিগুলির সাথে বিশ্লেষণ করা হয় যার উপর এম অনুমান করে এবং তাদের স্ট্যান্ডার্ড ত্রুটিগুলি "সামগ্রিক" অনুমান এবং এর স্ট্যান্ডার্ড ত্রুটিটি পেতে রুবিনের সূত্রগুলি ব্যবহার করে মিলিত হয়।
এখনও অবধি দুর্দান্ত, তবে মিশ্র-প্রভাবগুলির মডেলটির ভেরিয়েন্স উপাদানগুলির সাথে সম্পর্কিত হলে এই রেসিপিটি কীভাবে প্রয়োগ করবেন তা আমি নিশ্চিত নই। কোনও বৈকল্পিক উপাদানটির নমুনা বিতরণ অসম্পৃক্ত - তাই সংশ্লিষ্ট আত্মবিশ্বাসের ব্যবধানটি আদর্শ "অনুমান ± 1.96 * সে (অনুমান)" আকারে দেওয়া যায় না। এই কারণে আর প্যাকেজ lme4 এবং nlme এমনকি বৈকল্পিক উপাদানগুলির স্ট্যান্ডার্ড ত্রুটি সরবরাহ করে না, তবে কেবল আত্মবিশ্বাসের অন্তর সরবরাহ করে।
অতএব আমরা একটি এমএটি সম্পাদন করতে পারি ডেটাসেটে এবং তারপরে এম সম্পন্ন ডেটাসেটগুলিতে একই মিশ্র-প্রভাব মডেলটি ফিট করার পরে ভেরিয়েন্স উপাদান প্রতি এম কনফিডেন্স ইন্টারভেলগুলি পেতে পারি। প্রশ্নটি হল এই এম অন্তরগুলিকে কীভাবে একটি "সামগ্রিক" আত্মবিশ্বাসের ব্যবধানে একত্রিত করা যায়।
আমার ধারণা এটি সম্ভব হবে - একটি নিবন্ধের লেখক (ইউসেল এবং ডেমিটারাস (২০১০) এমআই দ্বারা অনুকরণের উপর নরমাল এলোমেলো প্রভাবের প্রভাব) এটি সম্পন্ন হয়েছে বলে মনে হয়, তবে তারা ঠিক কীভাবে তা ব্যাখ্যা করে না।
কোনও টিপস অনেক বাধ্যবাধকতা হবে!
চিয়ার্স, রক