আমি কৃষি পরীক্ষায় একটি ডেটাসেট পেয়েছি। আমার প্রতিক্রিয়া পরিবর্তনশীল একটি প্রতিক্রিয়া অনুপাত: লগ (চিকিত্সা / নিয়ন্ত্রণ)। আমি কী পার্থক্যটির মধ্যস্থতা নিয়ে আগ্রহী, তাই আমি আরই মেটা-রেগ্রেশনগুলি চালাচ্ছি (অপরিচ্ছন্ন, কারণ এটি পরিষ্কার স্পষ্ট বলে মনে হয় যে প্রভাবের আকারটি অনুমানের ভিন্নতার সাথে সম্পর্কযুক্ত নয়)।
প্রতিটি সমীক্ষায় শস্যের ফলন, বায়োমাস ফলন বা উভয়ই রিপোর্ট করা হয়। আমি অধ্যয়নগুলি থেকে শস্যের ফলনকে অঙ্কিত করতে পারি না যে বায়োমাসের ফলন একা প্রকাশ করে, কারণ অধ্যয়ন করা সমস্ত গাছপালা শস্যের জন্য কার্যকর ছিল না (উদাহরণস্বরূপ, আখ অন্তর্ভুক্ত রয়েছে)। কিন্তু শস্য উত্পাদনকারী প্রতিটি উদ্ভিদের বায়োমাস ছিল।
অনুপস্থিত covariates জন্য, আমি পুনরাবৃত্তি রিগ্রেশন অভিশাপ ব্যবহার করছি (অ্যান্ড্রু গ্যালম্যানের পাঠ্যপুস্তক অধ্যায় অনুসরণ)। এটি যুক্তিসঙ্গত ফলাফল দেয় বলে মনে হয় এবং পুরো প্রক্রিয়াটি সাধারণত স্বজ্ঞাত। মূলত আমি অনুপস্থিত মানগুলির পূর্বাভাস করি এবং অনুপস্থিত মানগুলির পূর্বাভাস দেওয়ার জন্য সেই পূর্বাভাসিত মানগুলি ব্যবহার করি এবং প্রতিটি ভেরিয়েবল আনুমানিক রূপান্তর না হওয়া পর্যন্ত (বিতরণে) প্রতিটি ভেরিয়েবলের মধ্য দিয়ে লুপ করি।
অনুপস্থিত ফলাফলের ডেটা গণ্য করতে আমি একই প্রক্রিয়াটি ব্যবহার করতে পারি না এমন কোনও কারণ আছে কি? আমি বায়োমাস প্রতিক্রিয়া অনুপাত প্রদত্ত শস্য প্রতিক্রিয়া অনুপাত, শস্যের ধরণ এবং আমার কাছে থাকা অন্যান্য কোভারিয়েটগুলির জন্য সম্ভবত তুলনামূলকভাবে তথ্যমূলক ইমপুটেশন মডেল গঠন করতে পারি। আমি তখন সহগ এবং ভিসিভির গড় গড় করব এবং মান অনুশীলন অনুসারে এমআই সংশোধন যুক্ত করব।
ফলাফলগুলি যখন অঙ্কিত করা হয় তখন এই সহগগুলি কী পরিমাপ করবেন? কোফেরিয়েন্টদের ব্যাখ্যা কি কোয়ারিয়ারেটের জন্য স্ট্যান্ডার্ড এমআই এর চেয়ে আলাদা? এটি নিয়ে চিন্তা করে, আমি নিজেকে বোঝাতে পারি না যে এটি কাজ করে না, তবে আমি সত্যই নিশ্চিত নই। পড়া উপাদান জন্য চিন্তাভাবনা এবং পরামর্শ স্বাগত।