Law School Admissions by the Numbers

Modell 1: väntelistor ingår Modell

i tabellen nedan hittar du en lista över variabler som teoretiskt spelar en roll för att avgöra om en lagskola accepterar dig eller inte. Datamängden som används i denna modell inkluderar användare på lagskolans nummer som rapporterade att de antingen accepterades, avvisades eller väntlistades på skolan i fråga (de som först väntlistades och sedan accepterades eller avvisades behandlas som accepter respektive avslag). För den här modellen använde jag en ordnad logistisk Regression, som låter dig titta på hur var och en av de oberoende variablerna påverkar chansen att du kommer att bli:
  • accepterad snarare än (kombinerad väntelista/avvisad)
  • (kombinerad accepterad/väntelista) snarare än avvisad
som exempel: i denna modell för Harvard, för två annars identiska kandidater, ökar en ytterligare punkt på LSAT en sökandes chanser att bli accepterad snarare än antingen väntelista eller avvisad av 44,4% (med andra ord, en 173 är 44.4% mer sannolikt än en 172 att bli accepterad snarare än väntelista eller avvisad, allt annat är lika). En 173 är också 44.4% mer sannolikt att bli antingen accepterad eller väntelista än avvisad än en 172, allt annat lika. Om du har några frågor, bara maila mig, eller kolla in den här länken till den fantastiska UCLA stats-webbplatsen.
hur som helst, här är resultaten från den här första modellen, där jag testar effekten av LSAT-poäng, GPA, varje tidigare månad skickas ansökan (och tidigare månad menar jag inte månad tidigare…Jag menar September vs. oktober, eller oktober vs. November), URM-status, icke-traditionell status och kvinnlig sökandestatus. Eftersom Harvard inte har ett bindande alternativ, slutade jag det. Allt är baserat på LSN-data från 2003/2004-cykeln till idag.

URM-kandidater får en fantastisk boost när det gäller deras chanser vid Harvard, vilket är 33,3 gånger mer sannolikt att accepteras än en annars identisk icke-URM-kandidat. En sak att alltid tänka på när man tolkar detta är att det nästan säkert finns olika ”golv” för LSAT och GPA för URM-sökande än icke-URM-sökande. Detta betyder att under siffrorna ”golv” för icke-URM-sökande är en URM ganska mycket oändligt mer sannolikt att komma in. URM ”bump” är ganska stor när det gäller LSAT-poäng är också massiv, vid 9.5 (med andra ord får en URM-kandidat samma boost för den statusen som den som uppnås genom att göra ytterligare 9.5 poäng på LSAT), och på nästan en halv punkt är GPA-boosten också betydande. Detta är naturligtvis också en funktion av hur mycket av en boost Harvard ger för LSAT och GPA, och även om LSAT boost är ganska stor, är GPA boost bara massiv. Icke-traditionella studenter får inte någon typ av bump alls, men kvinnor är 63,0% mer benägna att komma in än annars identiska manliga motsvarigheter, vilket är på den större änden av saker. Slutligen verkar det finnas en bestämd fördel att ansöka tidigt till Harvard, med dina chanser att få tillträde ökade med nästan 17% för varje månad tidigare du ansöker.

Modell 2: Väntelistor exkluderad Modell

nästa modell exkluderar väntelistor, inklusive endast sökande som rapporterade att de antingen accepterats eller avvisats (oavsett om det var direkt eller efter att de först var väntelista). Resultaten i tabellen ska tolkas på samma sätt, men tolkningen är lite lättare. Antalet som anges för varje variabel är helt enkelt ökningen av sannolikheten för att accepteras snarare än avvisas.när vi släpper väntelistor och bara tittar på raka accepterar eller avvisar, ökar bara blir större (och betydligt så). När det gäller att antingen komma in eller få avslag är URM-boosten bara enorm, med URM-kandidater nästan 100 gånger mer benägna att komma in än en annars identisk icke-URM-kandidat. Återigen, kom ihåg förbehållet från den första modellen om olika ”nummergolv” för URM-och icke-URM-kandidater. Kvinnliga sökande är nästan dubbelt så sannolikt att komma in, allt annat lika, och LSAT, GPA, och ökar för tidigare sökande ökar också betydligt. En sak som den signifikanta skillnaden i dessa ökar mellan modeller kan peka på är Harvards massiva klassstorlek och det faktum att det kanske vill vänta en stor andel av sina sökande för att se till att det finns en bra reserv av högantal kandidater. När det är dags att faktiskt dra från den väntelistan, kanske Harvard börjar högst upp, siffror.

icke-Splitters, Splitters och Reverse-Splitters: Acceptance/WLs/Rejections, och betyder

sist, jag inkluderar en tabell som bryter ner hur icke-splitters, splitters och reverse-splitters är representerade i data. Den här måste du verkligen vara försiktig med, eftersom uppgifterna om LSN går snett mot sökande med högre kaliber, och så är accepter mer representerade än de är i sökandepoolen. Verkligen, värdet av denna typ av sak kommer att bli tydligare när vi kan jämföra skolor, eftersom samma ”högre kaliber” sökande varning kommer att gälla över hela linjen, så vi kan förmodligen dra något giltiga slutsatser genom att jämföra skolor. För tillfället ska jag inkludera det för intresserade parter, men titta inte på det här och säg till dig själv: ”själv, som splitter har jag en X% chans att komma in i Harvard!”det verkar som om Harvard väntelistor en ganska betydande andel av sina sökande, och det är värt att notera att (som de flesta skolor) Harvard väntelistor en högre andel splitters och reverse-splitters än det gör icke-splitters, förmodligen för att se till att siffrorna balanserar ut för att upprätthålla medianer. Trenderna är ganska förutsägbara för icke-splitters, med siffror som minskar när du flyttar från antagen till väntelista och väntelista till avvisad. Det är typ av en blandad väska när det gäller splitters och non-splitters, även om det är ganska klart att när du är över 75: E, är det i sig själv det som är viktigt för splitters, och då spelar GPA en mycket större roll än LSAT en gång den tröskeln uppnås. Samma sak gäller för omvända splitters, även om trenden om LSATs inte är lika tydlig.så, Sammanfattningsvis, vid den punkt som din LSAT och GPA är i sten, det bästa du kan göra är att tillämpa tidigt, åtminstone när det gäller de faktorer som vi tittar på här. Naturligtvis finns det mycket som dessa modeller inte står för, så jag tror att det skulle vara ganska oklokt att prioritera att tillämpa tidigt över att skapa den starkaste möjliga applikationen, eftersom faktorer som personliga uttalanden och rekommendationsbrev uppenbarligen spelar roll. Men du har hela sommaren, eller hur? Har det stellar ansökan redo att gå på den första dagen applikationer öppna, om du kan.



Lämna ett svar

Din e-postadress kommer inte publiceras.