hvordan man beregner tilbøjelighed score

Tilbøjelighed scorer normalt bruges til at hjælpe sammenligne to eller flere grupper af forsøgspersoner ( oftest mennesker) i en observationsstudie, hvor der kan være selektionsbias . Når vi har data på mere end et par variabler om hver enkelt person , kan det være enklere at sammenfatte disse oplysninger i en enkelt score , og derefter bruge dette score til at matche folk . Alternativt kan vi bruge score sig selv som en covariat

Du skal bruge: .
Computer
Resultatet data .
Gruppering af data .
Covariat data .


1 .
opsamles data og indtaste det ordentligt ind i et edb- program , som SAS , R , SPSS eller Stata . Data er normalt fra igangværende undersøgelser. De kan indtastes i et regneark og derefter læse i en statistik program , eller de kan optages direkte i statistikkerne programmet ved hjælp af indbyggede funktioner . Mange statistikker pakker tilbyde andre måder at importere data så godt.
2 .
Brug softwarens logistisk regression funktion med den afhængige variabel er sandsynligheden for at blive valgt og de uafhængige variable , der alle kovariater . Den rette måde at udføre logistisk regression varierer med programmet . For eksempel i SAS PROC LOGISTISK er hensigtsmæssigt , i R , er den GLM () funktion passende . Hver statistik pakke har omfattende dokumentation . Ifølge myndigheder som Rosenthal og Rosnow , er det bedre at inddrage flere variabler i modsætning til færre .
3 .
Output den betingede sandsynlighed for at blive valgt på grund af kovariater . For eksempel i SAS ville du bruge en erklæring svarende til den, der anvendes af Parsons :
OUTPUT OUT=STUDY. Propen prob=prob
Her datasættet "-undersøgelsen " ville have en variabel kaldet " prob " . Dette er tilbøjeligheden score .
4 .
Kontroller , at den model afbalancerer kovariater . Det vil sige, kontrollere , at den logistiske regression giver en relativt komplet forklaring . I SAS , kan du bruge " lackfit " option på den model erklæring, som gennemfører Hosmer-Lemeshow test af goodness of fit . En stor p-værdi angiver god pasform , men du kan se på tabelform output så godt.

gode råd og advarsler


  • Brug ikke de sædvanlige variabelselektion metoder ved beregningen af tilbøjelighed score .
  • Stol ikke på p- værdier eller statistisk signifikans for at medtage eller udelukke variabler .
  • Må ikke bekymre dig om overfitting modellen .
  • Må ikke være alt for bekymret med model diagnostik .
  • Må ikke forvente tilbøjelighed score til at løse alle problemer i matchning. Især skal der være betydelige overlap i tilbøjelighed score mellem fagene i de forskellige grupper .

  • Kommentarer

    Vi ønsker, at dine argumenter og meninger er velkomne. Være objektiv og medfølelse. Mange mennesker læser hvad du skriver. Gør debat til en bedre oplevelse for både dem og dig selv. Mellem 20:00 og 08:00 det er lukket for kommentering og vi fjerner automatisk kommentarer med sjofle ord, defineret af vores moderatorer.

    link:

    • Om os
    • Advertising
    • Fortæl redaktionen
    • Få nyhedsbreve
    • RSS-feed

    Redaktør: Karin Christofferse
    Nyheder redactor: Morten Nyberg

    Kundeservice: Stig Ole Salomon,
    Flemming Sørensen

    Tel: +45 00 99 99 00
    Fax: +45 00 99 99 01

    © Copyright 2014 Einsten.net - All rights reserved.