MICE - количество множественных вмененных наборов данных.

У меня есть несколько вопросов относительно полезности числа наборов данных с множественным условным исчислением "m". Я понял, что мыши будут повторять процесс вменения недостающих значений в наборе данных m раз.

1) Учитывают ли мыши вменение предыдущего шага и, таким образом, каждый шаг приближается к возможной конвергенции, или каждый шаг полностью независим друг от друга?

2) Если каждый шаг не зависит друг от друга, какой смысл иметь несколько наборов вмененных данных для целей вменения?

В статье, объясняющей мышей, есть схема, показывающая несколько шагов вменения

Я полагаю, что чем больше у нас вмененного набора данных, тем лучше, когда мы хотим объединить результаты, однако этап анализа результатов подразумевает создание прогнозной модели, которая может быть:

#build predictive model
fit <- with(data = imp, lm(y ~ x + z))

Что произойдет, если в моем наборе данных нет столбца или меток для прогнозирования? Действительно, мой набор данных содержит измерения геномики, и все они независимы. Как я могу объединить результаты или объединить m условно исчисленных наборов данных, не выполняя шаг прогнозирования?

Лучший,

Бабас