(2. Schritt)
• Matching findet anhand s.g. Propensity Scores , die auf mehreren SVen basieren
• Schätzung der Propensity Scores meistens mit Hilfe logistischer Regression
- Propensity = Neigung bzw. Wahrscheinlichkeit (0-1) einer Person, zur Experimentalgruppe zu gehören
- Erfasste Störvariablen werden als Prädiktoren berücksichtigt
- Gruppenzugehörigkeit als Kriterium (KG vs. EG)
- Propensity Score wird für jede Person bestimmt, je höher der Score, desto wahrscheinlicher gehört eine Person zur EG
- Propensity scores der Personen werden anhand der Regressionskoeffizienten und der individuellen Werte auf den Prädiktoren geschätzt
• Bei logistischer Regression findet man im Output s.g. Logits
- Gleichung: logit Wert = Intercept + b Gewicht der SV x Ausprägung der Person in der Variable + b Gewicht der SV x Ausprägung der Person in der Variable + usw.
(2. Schritt)
• Matching findet anhand s.g. Propensity Scores , die auf mehreren SVen basieren
• Schätzung der Propensity Scores meistens mit Hilfe logistischer Regression
- Propensity = Neigung bzw. Wahrscheinlichkeit (0-1) einer Person, zur Experimentalgruppe zu gehören
- Erfasste Störvariablen werden als Prädiktoren berücksichtigt
- Gruppenzugehörigkeit als Kriterium (KG vs. EG)
- Propensity Score wird für jede Person bestimmt, je höher der Score, desto wahrscheinlicher gehört eine Person zur EG
- Propensity scores der Personen werden anhand der Regressionskoeffizienten und der individuellen Werte auf den Prädiktoren geschätzt
• Bei logistischer Regression findet man im Output s.g. Logits
- Gleichung: logit Wert = Intercept + b Gewicht der SV x Ausprägung der Person in der Variable + b Gewicht der SV x Ausprägung der Person in der Variable + usw.
| status | not learned | measured difficulty | 37% [default] | last interval [days] | |||
|---|---|---|---|---|---|---|---|
| repetition number in this series | 0 | memorised on | scheduled repetition | ||||
| scheduled repetition interval | last repetition or drill |