Falls Matching-Ergebnisse nicht zufriedenstellend sind (vgl. Beispiel):
- weitere Störvariablen berücksichtigen
- Andere Matchingkriterien nutzen (z.B. exact matching)
• Nach dem erfolgreichen Matching kann ein neuer Datensatz (z.B. nur gematchte Personen) für die Hauptanalysen (Hypothesentests) erstellt werden
• Ggfs. Propensity scores als Variable in der Auswertung nutzen (Adjustierung für Unterschiede in Propensity scores)
- Evtl. zusätzliche Kovariate separat einführen, falls sie für das Outcome relevant sind (aber keine SVen sind)
Falls Matching-Ergebnisse nicht zufriedenstellend sind (vgl. Beispiel):
- weitere Störvariablen berücksichtigen
- Andere Matchingkriterien nutzen (z.B. exact matching)
• Nach dem erfolgreichen Matching kann ein neuer Datensatz (z.B. nur gematchte Personen) für die Hauptanalysen (Hypothesentests) erstellt werden
• Ggfs. Propensity scores als Variable in der Auswertung nutzen (Adjustierung für Unterschiede in Propensity scores)
- Evtl. zusätzliche Kovariate separat einführen, falls sie für das Outcome relevant sind (aber keine SVen sind)
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 |