Tôi đã có một bộ dữ liệu về các thử nghiệm nông nghiệp. Biến phản ứng của tôi là tỷ lệ đáp ứng: log (điều trị / kiểm soát). Tôi quan tâm đến những gì làm trung gian cho sự khác biệt, vì vậy tôi đang chạy hồi quy meta RE (không có trọng số, vì dường như khá rõ ràng rằng kích thước hiệu ứng không tương thích với phương sai của ước tính).
Mỗi nghiên cứu báo cáo năng suất hạt, năng suất sinh khối, hoặc cả hai. Tôi không thể đánh giá năng suất hạt từ các nghiên cứu báo cáo năng suất sinh khối một mình, bởi vì không phải tất cả các nhà máy được nghiên cứu đều hữu ích cho ngũ cốc (ví dụ như bao gồm mía). Nhưng mỗi nhà máy sản xuất ngũ cốc cũng có sinh khối.
Đối với các đồng biến bị thiếu, tôi đã sử dụng phương pháp hồi quy hồi quy lặp (theo chương sách giáo khoa của Andrew Gelman). Nó dường như cho kết quả hợp lý, và toàn bộ quá trình nói chung là trực quan. Về cơ bản, tôi dự đoán các giá trị bị thiếu và sử dụng các giá trị dự đoán đó để dự đoán các giá trị bị thiếu và lặp qua từng biến cho đến khi mỗi biến xấp xỉ hội tụ (trong phân phối).
Có bất kỳ lý do tại sao tôi không thể sử dụng cùng một quy trình để buộc tội dữ liệu kết quả bị thiếu? Tôi có thể có thể hình thành một mô hình cắt cụt thông tin tương đối cho tỷ lệ đáp ứng sinh khối với tỷ lệ đáp ứng hạt, loại cây trồng và các hiệp phương sai khác mà tôi có. Sau đó, tôi sẽ tính trung bình các hệ số và VCV, và thêm hiệu chỉnh MI theo thông lệ tiêu chuẩn.
Nhưng những hệ số này đo lường được gì khi bản thân kết quả bị buộc tội? Việc giải thích các hệ số có khác gì so với MI chuẩn cho hiệp phương sai không? Nghĩ về nó, tôi không thể thuyết phục bản thân mình rằng điều này không hiệu quả, nhưng tôi không thực sự chắc chắn. Suy nghĩ và đề xuất cho việc đọc tài liệu được chào đón.