Different procedures exist for find

Different procedures exist for finding nonparticipants who match each participant and creating matched samples (for an overview, see Caliendo and Kopeinig 2008); we applied propensity score matching (Rosenbaum and Rubin 1983), which has proved advantageous in many settings (Dehejia and Wahba 2002; Wangenheim and Bayón 2007a). First, we conducted a binary logistic regression to calculate the propensity for participation in the firm's CRP. Second, we built an artificial control group by matching each customer from the treatment group (i.e., CRP participants) with a customer who did not participate but achieved a similar participation propensity score. Third, we evaluated the quality of the matching. Fourth, we compared the loyalty of the treatment and control groups

ผลลัพธ์ (ไทย) 1:

ขั้นตอนที่แตกต่างกันมีอยู่ nonparticipants ที่ตรงกับแต่ละผู้เข้าร่วมค้นหา และสร้างตัวอย่างที่ตรงกัน (ภาพรวม การ Caliendo และ Kopeinig 2008); เราใช้สิ่งคะแนนตรงกัน (Rosenbaum และ Rubin 1983), ซึ่งได้พิสูจน์แล้วว่าได้ประโยชน์ในการตั้งค่าต่าง ๆ (Dehejia และ Wahba 2002 Wangenheim ก Bayón 2007a) ครั้งแรก เราดำเนินการถดถอยโลจิสติกเป็นฐานเพื่อคำนวณสิ่งใน CRP ของบริษัท สอง เราสร้างกับกลุ่มควบคุมที่ประดิษฐ์ โดยตรงกับลูกค้าแต่ละรายจากกลุ่มรักษา (เช่น CRP ร่วม) กับลูกค้าที่ไม่ได้เข้าร่วม แต่ได้คะแนนสิ่งมีส่วนร่วมเหมือนกัน ที่สาม เราสามารถประเมินคุณภาพของการจับคู่ สี่ เราเทียบความภักดีของกลุ่มบำบัดและการควบคุม

ผลลัพธ์ (ไทย) 2:

ขั้นตอนที่แตกต่างกันที่มีอยู่สำหรับการหา nonparticipants ที่ตรงกับผู้เข้าร่วมแต่ละคนและสร้างตัวอย่างการจับคู่ (สำหรับภาพรวมให้ดู Caliendo และ Kopeinig 2008); เราใช้การจับคู่คะแนนนิสัยชอบ (Rosenbaum และรูบิน 1983) ซึ่งได้พิสูจน์แล้วว่าข้อได้เปรียบในการตั้งค่าต่างๆ (Dehejia และ Wahba 2002; Wangenheim และ Bayon 2007A) ครั้งแรกที่เราดำเนินการถดถอยโลจิสติกไบนารีการคำนวณนิสัยชอบสำหรับการมีส่วนร่วมใน CRP บริษัท ประการที่สองเราสร้างกลุ่มควบคุมเทียมโดยการจับคู่จากลูกค้าแต่ละกลุ่มการรักษา (เช่นผู้เข้าร่วม CRP) กับลูกค้าที่ไม่ได้เข้าร่วม แต่ประสบความสำเร็จในการมีส่วนร่วมคะแนนนิสัยชอบที่คล้ายกัน ประการที่สามเราประเมินคุณภาพของการจับคู่ที่ ประการที่สี่เราเมื่อเทียบกับความจงรักภักดีของการรักษาและกลุ่มควบคุม

ผลลัพธ์ (ไทย) 3:

วิธีการที่แตกต่างกันที่มีอยู่สำหรับการค้นหา nonparticipants ที่ตรงกับแต่ละคนและการสร้างการจับคู่ตัวอย่าง ( สำหรับภาพรวม และเห็น caliendo kopeinig 2008 ) ; เราใช้วิธีการจับคู่ ( โรเซนบอม และคะแนนรูบิน 1983 ) ซึ่งได้พิสูจน์แล้วว่าเป็นประโยชน์ในการตั้งค่า ( และหลาย dehejia wahba 2002 ; wangenheim และอ่าวเลออง 2007a ) ครั้งแรกเราทำการ Binary logistic regression เพื่อคำนวณความโน้มเอียงสำหรับการมีส่วนร่วมใน บริษัท ซีรีแอกทีฟโปรตีน . ประการที่สอง เราสร้างกลุ่มควบคุมเทียมโดยตรงกับลูกค้าแต่ละรายจากกลุ่ม ( เช่น ขาดคน ) กับลูกค้าที่ไม่ได้มีส่วนร่วม แต่ความที่คล้ายกันมีส่วนร่วมความโน้มเอียงคะแนน ประการที่สาม เราประเมินคุณภาพของการจับคู่ ประการที่สี่เราเปรียบความจงรักภักดีของการรักษาและควบคุมกลุ่ม