Preference design analysisThe final

Preference design analysis
The final aim will be to determine if participant preference
impacts intervention effectiveness when compared to
the control group. This aim will be accomplished through
comparing the estimated effectiveness across the two groups
(i.e., RCT and preference). If the preference towards programs
has significant impact on the program effectiveness,
we would expect the preference group participants to have
extra motivation to adhere to the program they choose and
achieve a relatively larger weight loss when compared to the
similar program participants in the RCT group. Parametric and
nonparametric testswill be employed to performthe statistical
comparison of the weight loss of the same program participants
across the two groups. Furthermore, we will employ
econometric selection models (e.g., Heckman two-stage selection
model, Double-Hurdle model, and two-part model)
to evaluate potential bias brought to the treatment effect
estimators when participants in the programare not randomly
assigned, but instead they make their own decision of which
program to participate. Through modeling the participation
stage decision-making, the second-stage program effect estimation
will be able to control for this preference impact and
result in consistent programimpact estimation. The preference
impact on the program effectiveness can be tested statistically.
For example, the Heckman two-stage model involves a first
step of Probit model that estimate the participation decision
and then generate an inverse Mills ratio (IMR) term that
captures the selection bias; then this IMRwill be entered in the
second step weight loss equation as an extra regressor to
control for the selection bias. The coefficient of the IMR in the
second-step can be tested to see whether it is significantly
different from zero. If it is significant, it confirms the existence
of the preference impact on the program effectiveness.

ผลลัพธ์ (ไทย) 1:

ชอบการวิเคราะห์ออกแบบจุดมุ่งหมายขั้นสุดท้ายจะกำหนดว่าถ้าผู้เรียนชอบส่งผลกระทบต่อประสิทธิภาพในการแทรกแซงเมื่อเปรียบเทียบกับกลุ่มควบคุม เป้าหมายนี้จะบรรลุผลผ่านเปรียบเทียบประสิทธิภาพการประเมินในกลุ่มสอง(เช่น RCT แล้วชอบ) ถ้าตั้งค่าไปยังโปรแกรมมีผลกระทบสำคัญต่อประสิทธิผลโปรแกรมเราคาดหวังว่าผู้เข้าร่วมกลุ่มชื่นชอบให้แรงจูงใจเสริมไปโปรแกรมที่พวกเขาเลือก และให้เกิดการสูญเสียน้ำหนักค่อนข้างใหญ่เมื่อเทียบกับการเข้าร่วมโปรแกรมที่คล้ายกันในกลุ่ม RCT พาราเมตริก และทำงานไป performthe สถิติ nonparametric testswillเปรียบเทียบน้ำหนักของผู้เข้าร่วมโปรแกรมเดียวกันทั้งสองกลุ่ม นอกจากนี้ เราจะใช้เลือก econometric รุ่น (เช่น Heckman สองตัวเลือกรูป รุ่นสองรั้วกระโดดข้าม และสองส่วน)เพื่อประเมินถึงผลความโน้มเอียงเป็นไปได้estimators เมื่อผู้เข้าร่วมในการ programare ไม่ได้กำหนด แต่แทน ที่พวกเขาทำการตัดสินใจของตนเองซึ่งโปรแกรมที่จะเข้าร่วม โดยการมีส่วนร่วมในการสร้างโมเดลขั้นตัดสินใจ การประเมินผลโปรแกรมขั้นตอนที่สองจะสามารถควบคุมผลกระทบต่อการกำหนดลักษณะนี้ และผลการประเมินสอดคล้อง programimpact การกำหนดลักษณะสามารถทดสอบผลกระทบต่อประสิทธิภาพของโปรแกรมทางสถิติตัวอย่าง แบบสอง Heckman เกี่ยวข้องเป็นครั้งแรกขั้นตอนของแบบจำลอง Probit ที่ประเมินการมีส่วนร่วมตัดสินใจแล้ว สร้างการผกผันอัตราส่วนมิลส์ (IMR) ระยะที่จับอคติเลือก แล้ว IMRwill นี้ถูกป้อนในการสมการการสูญเสียน้ำหนักสองขั้นตอนเป็นการ regressor เสริมการควบคุมสำหรับเลือกเส้นทแยง ค่าสัมประสิทธิ์ของ IMR ในการขั้นตอนที่สองสามารถทดสอบเพื่อดูว่า มันถูกมากแตกต่างจากศูนย์ ถ้าเป็นสำคัญ ยืนยันการดำรงอยู่ผลกระทบการตั้งค่าเกี่ยวกับประสิทธิผลของโปรแกรม

ผลลัพธ์ (ไทย) 2:

ที่สนใจการออกแบบ
จุดมุ่งหมายสุดท้ายจะได้รับการตรวจสอบว่าการตั้งค่าของผู้เข้าร่วม
ส่งผลกระทบต่อประสิทธิภาพการแทรกแซงเมื่อเทียบกับ
กลุ่มควบคุม เป้าหมายนี้จะทำได้โดย
เปรียบเทียบประสิทธิภาพโดยประมาณทั้งสองกลุ่ม
(เช่น RCT และการตั้งค่า) หากการตั้งค่าต่อโปรแกรม
ที่มีผลกระทบอย่างมีนัยสำคัญเกี่ยวกับประสิทธิผลของโปรแกรม
ที่เราคาดว่าจะได้เข้าร่วมกลุ่มการตั้งค่าที่จะมีการ
เพิ่มแรงจูงใจที่จะปฏิบัติตามโปรแกรมที่พวกเขาเลือกและ
บรรลุการสูญเสียน้ำหนักที่ค่อนข้างใหญ่เมื่อเทียบกับ
ผู้เข้าร่วมโครงการที่คล้ายกันในกลุ่ม RCT Parametric และ
ไม่อิงพารามิเตอร์ testswill ได้รับการว่าจ้างให้ performthe สถิติ
เปรียบเทียบการสูญเสียน้ำหนักของผู้เข้าร่วมโครงการเดียวกัน
ทั้งสองกลุ่ม นอกจากนี้เราจะใช้
แบบจำลองทางเศรษฐมิติตัวเลือก (เช่น Heckman สองขั้นตอนการเลือก
รูปแบบรูปแบบดับเบิลกระโดดข้ามรั้วและรูปแบบสองส่วน)
เพื่อประเมินความอคติที่มีศักยภาพที่จะนำผลการรักษา
ประมาณเมื่อผู้เข้าร่วมในการเขียนโปรแกรมไม่สุ่ม
ได้รับมอบหมาย แต่แทนที่จะ พวกเขาทำให้การตัดสินใจของตัวเองซึ่ง
โปรแกรมที่จะเข้าร่วม ผ่านการสร้างแบบจำลองการมีส่วนร่วม
ในขั้นตอนการตัดสินใจโปรแกรมที่สองขั้นตอนการประมาณผลกระทบที่
จะสามารถที่จะควบคุมผลกระทบค่านี้และ
ส่งผลในการประมาณ programimpact สอดคล้อง การตั้งค่า
ส่งผลกระทบต่อประสิทธิภาพโปรแกรมสามารถผ่านการทดสอบทางสถิติ.
ตัวอย่างเช่น Heckman แบบสองขั้นตอนที่เกี่ยวข้องกับการเป็นครั้งแรก
ขั้นตอนของรูปแบบที่ Probit ประเมินการตัดสินใจการมีส่วนร่วม
และสร้างอัตราส่วนผกผันมิลส์ (IMR) ระยะที่
จับอคติเลือก; แล้วนี้ IMRwill ถูกป้อนใน
สมการการสูญเสียน้ำหนักขั้นตอนที่สองเป็น regressor พิเศษในการ
ควบคุมสำหรับเลือกอคติ ค่าสัมประสิทธิ์ของ IMR ใน
ขั้นตอนที่สองสามารถทดสอบเพื่อดูว่ามันมีความหมาย
ที่แตกต่างกันจากศูนย์ ถ้ามันเป็นอย่างมีนัยสำคัญก็ยืนยันการดำรงอยู่
ของผลกระทบการตั้งค่าที่เกี่ยวกับประสิทธิภาพโปรแกรม

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์การออกแบบการตั้งค่า
จุดมุ่งหมายสุดท้ายจะตรวจสอบว่าผู้เข้าร่วมการต่อการแทรกแซงของประสิทธิภาพเมื่อเทียบกับ

กลุ่มควบคุม เป้าหมายนี้จะบรรลุผ่าน
เปรียบเทียบประสิทธิภาพในประมาณสองกลุ่ม
( I , Razorflame ครั้ง ) ถ้าความชอบต่อโครงการที่มีผลกระทบอย่างมีนัยสำคัญต่อ

โปรแกรมประสิทธิภาพเราคาดหวังว่าผู้เข้าร่วมกลุ่มมีความชอบ
เพิ่มแรงจูงใจให้เป็นไปตามโปรแกรม พวกเขาเลือกและ
บรรลุการสูญเสียน้ำหนักที่ค่อนข้างใหญ่เมื่อเทียบกับโปรแกรมที่คล้ายกัน
ผู้เข้าร่วมในกลุ่ม Razorflame . พารามิเตอร์และ
3 testswill ใช้ performthe เปรียบเทียบสถิติ
ของการสูญเสียน้ำหนักของเดียวกันผู้เข้าร่วมโปรแกรม
ทั่วสองกลุ่ม นอกจากนี้เราจะใช้แบบจำลองเศรษฐมิติ ( เช่นการเลือก

แบบเฮ็กเมินเลือกโมเดล รั้วกระโดดข้ามคู่และรุ่น 2 ) เพื่อประเมินศักยภาพอคติมา

ประมาณผลรักษาเมื่อผู้เข้าร่วมใน programare ไม่สุ่ม
มอบหมาย แต่พวกเขาทำให้การตัดสินใจของตนเองซึ่ง
โปรแกรมที่จะเข้าร่วม ผ่านการมีส่วนร่วม
ขั้นตอนการตัดสินใจขั้นที่สองผลโปรแกรมประมาณ
จะสามารถควบคุมนี้และผลในการประมาณค่าความชอบต่อ
programimpact สอดคล้องกัน ความชอบ
ผลกระทบต่อโปรแกรมประสิทธิภาพสามารถทดสอบทางสถิติ
ตัวอย่างเช่น เฮ็กเมินสองโมเดลเกี่ยวข้องกับขั้นตอนแรก
ของตัวแบบโพรบิทที่ประมาณการการมีส่วนร่วมตัดสินใจ
แล้วสร้างโรงงาน ( อัตราส่วนผกผัน imr ) ในระยะที่
จับการตั้งค่า แล้ว imrwill นี้เข้า
2 ขั้นตอนการสูญเสียน้ำหนักสมการเป็นพิเศษ regressor

สำหรับการควบคุมการตั้งค่า . สัมประสิทธิ์ของ imr ใน
ขั้นตอนที่สองสามารถทดสอบเพื่อดูว่ามันเป็นอย่างมีนัยสำคัญ
แตกต่างจากศูนย์ ถ้ามันสำคัญ มันยืนยันตัวตน
ของการตั้งค่าในโปรแกรมที่มีประสิทธิภาพ