当前课程知识点:教育定量研究方法(高级) >  Weeks 13&14: HLM >  HLM >  3.12 Q&A 1

返回《教育定量研究方法(高级)》慕课在线视频课程列表

3.12 Q&A 1在线视频

返回《教育定量研究方法(高级)》慕课在线视频列表

3.12 Q&A 1课程教案、知识点、字幕

我们第3组是1~4问

然后第4组是5~8问

然后我是回答第一个大题里面的8个小题

这些题都是比较概念性的问题

第一个问题问的是rct的伦理问题

rct的伦理问题

从大的方面来讲

它主要有个人和社会的层面

好的实验它必须兼顾社会和个体的利益

去寻求一个平衡点

使得科学研究既能够进行

又能够充分保护研究对象上的权益

它一般会包含着受试者的生命健康权

隐私权

知情同意权和自主权

在医学的临床实验里往往是包含着生命健康权

但是就是在我们的实验里一般不会涉及到生命健康权

但是主要是这4种权利

我觉得同学们可能更关注的是我们在去进行一个随机实验

的时候的流程

首先我们的首先我们的实验设计要经过伦理委员会的审批

比如说就是清华心理系它有伦理审查委员会

然后另外在我们去做实验的时候

我们需要提供给我们的参与者知情同意书向他们解释

并且让他们签字

这是对第一个问题的回答

然后第二个小问是关于实验案例加入treatment

的问题

然后同学们这是否违背rct的原则

我这是我们组觉得这是不违背的

因为虽然你加入的treatment不止一种

只要你存在对照就可以了

有一个解决的方案就是做新设计

新设计就是一种交叉分组的设计

比如说你有a和b两种干预措施

你就可以分4组

1/4的研究对象是加入a treatment

1/4的实验对象加b treatment

然后还有1/4是 a treatment和b treatment都加

剩下的1/4就是 control group

有一个例子就是我们这周的阅读材料

大学激励和服务的随机实验

然后他在里面一组是加入了奖学金激励

另外一组是加入了这种学业支持

第三组是两种 treatment都加了

第4组就是一个对照组

我不知道这样回答可不可以

如果提这个问题的同时还有疑问可以下去

如果没有就继续了

还挺好的

IRB是很重要的一个事情

我相信导论课的时候应该讲过它的起源

当然尤其是以二战时期

这个就是要像日本日军等等

他们做了很多这种这种实验

那么自此之后

大家觉得说做这种医学实验必须要有这种伦理审查

那么后来又扩展到所有以人为研究对象的研究

那么就像国外都有IRB国内现在随着研究跟国际的接轨

也开始出现心理学系就建立一个这样的一个IRB其他院系

是不是都有这个还不确定

那么无论有没有IRB我们自己的研究设计

第一个要符合伦理

第二个要给被试或者说是访谈对象等等

要提供知情同意书

这个是很重要的

第三个如果是能够找到IRB进行审批

这个流程更规范

尤其是在你去发表英文论文的时候

这点可能尤其重要

有没有问题同学们有问题现在就可以解开麦克

直接提我们这个环节就是非常互动的环节

希望大家能够畅所欲言

好不好

能够热烈的探讨

这个都没有问题好吗

如果大家没有问题的话

那就进行第三个问题

就是说rct研究中是否应该对实验结果有一个

预判

这个问题我觉得在我们很多的阅读资料里

它都有这样的例子

比如说刚才在第二个的问题

提到的就是这周的阅读材料

它其实他在摘要中就提到了他这个实验室

designed for去提高学生的学业成绩

所以我觉得我们在进行实验设计的时候

就应该对实验结果有一个大致方向的判断

有的有有的可能没有

但是大部分我们是有的是吧

然后第4个问题就是关于如何确定而ct研究的样本量的

问题

对于这个问题就是在上学期郭菲老师的课里

她提供给了一个计算的公式

我觉得这个公式是非常清晰了

然后根据这个公式有一个这样计算的示例

就是不同的总体人群和我们需要去抽取的样本量的一个

关系

然后可以课后分享给大家

我去查了一下

可以去做这种样本量计算的软件

有这几个他们的操作应该也都是比较简单的

如果大家有计算样本量的需求的话

可以去用这些软件算

第5个问题是关于干预的剂量的问题

就是如何确定一个干预的程度

对于这个问题我们组提出了两种解决方法

第一个就是预实验

因为预实验就是在正式的实验之前去为我们正式的实验

探索一些比如说一些操作或者是一些计量上的问题的

所以我们觉得预实验就可以解决剂量的问题

另外一种方法就是我们也可以通过设置不同的实验组来

解决

比如说你的treatment

它的程度可能有123三种

三种程度

你不确定哪一种程度是合适的

你可以设置三个不同的实验

对于还有问题吗

如果没有问题就去而且有的时候剂量的问题也是跟现实

有关

对吧

现实中的操作会是什么样子

要符合现实

那么这个实验结果他才会更加有价值

还是不同的实验需要去设置不同的剂量

有的是跟理论有关的

比如说像营养餐这种事情

它肯定是跟一些营养学的理论相关

认为应该有一个什么样的频率和剂量是吧

或者一些教育干预

那也应该有理论的一些依据来说

大概要有一个什么样的时间长度

或者说是一个密集程度是吧

下面是第6个问题

第6个问题问的还是你实验的问题就是说它的数据可以

合并到正式实验

我们组给的回答是不可以的

因为预实验它的定义就是在正式实验之前用少量样本进行

实验

一定要摸索最佳的实验条件

他的目的是为正式实验打下基础

检验这种实验设计的科学性和可行性

所以预实验它和正式实验是完全不同的

两个也不能说完全不同

说他在数据上应该是不可以合并的

这是由它的功能决定的

它并不即使它的数据和正式实验的数据很相似

我们觉得它也不可以合并正式实验

这应该是一个规范的问题

然后第7个问的是我们上课讲的内容就是att和atnt

不相等的时候

是不是就无法满足treatment是稳定的假设

对于我们的理解是 att和aTNT就是他们本身

就他们本身就不是同一个概念上的

所以说不存在说它不相等

就不满足treatment

是假稳定的假设了

因为att后面这个t是被treated

的组

所以说它本身就应该是treatment作用的组

而atnt它是non treated

所以说aTNT本身就没有受到treatment的作用

它本身就不应该是受treatment作用的

然后我们从我就这样说可能不太清晰

我们从公式上就可以看出来

att它的表达是Ti等于1的时候的期望

而aTNT是Ti等于0的时候期望

这个就很清晰

一个是接受了treatment

一个是没有接受treatment

所以他们不是一定相等的

对 att跟aTNT在这个观测数据里面

也就是有可能出现自选择的情况下

接受treatment本跟没有接受treatment的人群

它如果本质上平均来讲不一样的时候

这两个效应确实不一定相等

但是在随机控制实验里面

是不是treatment group跟control group他们应该

是可比的

也就是说这两组人的特征在统计上平均来讲是没有显著

差异的

这个时候 att跟aTNT理论上是应该相等的

在随机控制实验里面

他们是根据这个随机性呢保证了它其实应该是随机性和

他们没有显著的差别

这样的特点就保证了att是等于aTNT的

也等于ate的

这个是随机控制实验的假设是吧

但是在现实中的观测数据就不一定了

然后8第8题问的是我们上课的 PPT上的公式是怎么

推导的

我觉得我觉得它的关键就是这个D和Y之间是相互独立的

所以我们在这个公式推导的第一步和第二步之间

就可以把Di等于0换成Di等于1

这样就推导出来了

不知道这个问题现在有没有理解

如果没有理解的话可以看看书

我来找一下这里它的关键就是在这两步之间就是把Di等于

0换成Di等于1

它的原因就是因为Di和y之间是相互独立的

所以所以Di等于0

和Di等于1

它的情况是没有差别的

所以就可以这样的操作

然后如果这些没有问题的话

那就进入下一部分了

教育定量研究方法(高级)课程列表:

Weeks 1 & 2 Basic Econometrics

-1.1 Regression Outlline

-1.2 Why do we use regression 1

-1.3 Why do we use regression 2

-1.4 Conditional expectation function 1

-1.5 Conditional expectation function 2

-1.6 Classical assumption of OLS

-1.7 Idea of OLS

-1.8 How to use matrix calculation to solve OLS

-1.9 Goodness of fit

-1.10 F test &T test

-1.11 FAQs of regression:practice

-1.12 FAQs of regression:discussion

-1.13 Maximum Likelihood Estimatio

-Basic Econometrics

Weeks 3 & 4: Instrumental Variable

-2.1 Classical assumptions of OLS

-2.2 Omitted variable bias and endogeneity

-2.3 Self-selection bias

-2.4 Idea of IV 1

-2.5 Idea of IV 2

-2.6 Two assumptions of IV

-2.7 Method-of-moments IVE

-2.8 Example of IV estimation

-2.9 2SLS and SEM

-2.10 Residual of 2SLS

-2.11 Standard error of IVE

-2.12 ATE and LATE

-2.13 Extension 1

-2.14 Extension 2

-2.15 Q&A 1

-2.16 Q&A 2

-2.17 Q&A 3

-2.18 Q&A 4

-2.19 IV workshop 1

-2.20 IV workshop 2

-2.21 IV workshop 3

-Weeks 3&4 readings and workshop

-Instrumental Variable

-IV 讨论题目

Weeks 5 & 6: Randomized Experiments - Class Size, Career Academies

-3.1 Introduction

-3.2 Idea of RCT 1

-3.3 Idea of RCT 2

-3.4 Conducting RCT

-3.5 Estimation

-3.6 Threats to the validity of RCT

-3.7 IVE for corss-overs 1

-3.8 IVE for corss-overs 2

-3.9 Clustered group 1

-3.10 Clustered group 2

-3.11 Clustered group 3

-3.12 Q&A 1

-3.13 Q&A 2

-3.14 Q&A 3

-3.15 Q&A 4

-3.16 Fixed-effect model

-3.17 Random-effecrt and Fiexed-effect model

-3.18 Statistic power analysis

-3.19 RCT workshop 1

-3.20 RCT workshop 2

-3.21 RCT workshop 3

-3.22 RCT workshop 4

-Weeks 5&6 readings and workshop

-Randomized Experiments - Class Size, Career Academies

-RCT 讨论题目

Weeks 7 & 8: Natural experiment and DID

-4.1 Introduction

-4.2 DID estimation 1

-4.3 DID estimation 2

-4.5 Assumptions of DID 2

-4.6 DID with multiple periods 1

-4.4 Assumptions of DID 1

-4.7 DID with multiple periods 2

-4.8 DDD

-4.9 Synthetic control methods

-4.10 Q&A 1

-4.11 Q&A 2

-4.12 Q&A 3

-4.13 Q&A 4

-4.14 Q&A 5

-4.15 DID workshop 1

-4.16 DID workshop 2

-4,17 DID workshop 3

-4.18 RD workshop 3

-Week7&8 readings and workshop

-Natural experiment and DID

-DID 讨论题目

Weeks 9 & 10: Regression discontinuity

-5.1 Introduction 1

-5.2 Introduction 2

-5.3 Model Setup

-5.4 RD Estimation 1

-5.5 RD Estimation 2

-5.6 RD Estimation 3

-5.7 Fuzzy RD 1

-5.8 Fuzzy RD 2

-5.9 Fuzzy RD 3

-5.10 Validity and assumption test 1

-5.11 Validity and assumption test 2

-5.12 RD workshop 1

-5.13 RD workshop 2

-5.14 RD workshop 3

-Regression discontinuity

-RD 讨论题目

Weeks 11&12: Propensity Score Matching

-6.1 Review of causal inference model

-6.2 Selection bias

-6.3 Standard OLS

-6.4 Stratification

-6.5 Confrol for covariates

-6.6 PSM 1

-6.7 PSM 2

-6.8 PSM 3

-6.9 Bad control 1

-6.10 Bad control 2

-6.11Q&A 1

-6.12 Q&A 2

-6.13 Q&A 3

-6.14 Q&A 4

-6.15 Q&A 5

-6.16 Q&A 5

-6.17 PSM workshop 1

-6.18 PSM workshop 2

-6.19 PSM workshop 3

-6.20 PSM workshop 4

-6.21 PSM workshop 5

-6.22 PSM workshop 6

-6.23 PSM workshop 7

-6.24 PSM workshop Q&A 1

-6.25 PSM workshop Q&A 2

-Propensity Score Matching

-PSM 讨论题目

Weeks 13&14: HLM

-7.1 Introduction

-7.2 Model setup 1

-7.3 Model setup 2

-7.4 Estimation 1

-7.5 Estimation 2

-7.6 Three level HLM

-7.7 Centering 1

-7.8 Centering 2

-7.9 Growth model 1

-7.10 Growth model 2

-7.11 Meta-analysis 1

-7.12 Meta-analysis 2

-7.13 Q&A 1

-7.14 Q&A 2

-7.15 Q&A 3

-7.16 Q&A 4

-7.17 Q&A 5

-7.18 Q&A 6

-7.19 HLM workshop 1

-7.20 HLM workshop 2

-7.21 HLM workshop 3

-7.22 HLM workshop 4

-7.23 HLM workshop 5

-HLM 讨论题目

-HLM

3.12 Q&A 1笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。