当前课程知识点:教育定量研究方法(高级) >  Weeks 13&14: HLM >  HLM >  4.11 Q&A 2

返回《教育定量研究方法(高级)》慕课在线视频课程列表

4.11 Q&A 2在线视频

返回《教育定量研究方法(高级)》慕课在线视频列表

4.11 Q&A 2课程教案、知识点、字幕

老师大家我是***

然后

我们看一下第4题

然后第4题问的是综合控制法是用来解决

难以找到趋势相同的对照组的问题的吗

然后为什么采用这一系列的

处理能够达到这样的目的

适用于综合控制法的条件是什么

然后的话我们都知道

要使用DID要满足三个假设

然后当这个时间趋势

实验组和对照组的时间

确实一不一致的时候

可以采用这种综合控制法的方法

然后这种方法的思想其实就是

我们要找到一种权重

然后来虚拟出一个控制组

然后进行分析

然后具体的话还是按老师上课说的例子

然后

讲一下

研究的是恐怖袭击对经济增长的影响

然后用了一个西班牙的例子

然后西班牙有一个州

然后州是被作为实验组的

但是州太特殊了

导致国家的其它地州是不能

作为实验组对照组

我们在这种情况下还是

要采用DID的分析

的话 就去

选择一个权重去虚拟出一个控制组来

然后使国家其它多个州

然后构成一个

和实验组具有相同的初始值

的这样的一个控制组

然后在这种情况下就可以认为实验

组和控制组拥有共同的趋势

具体在操作的时候

来找到一个权重

然后

让实验组和控制组拥有共同的经济结构

初始的这些变量 然后

比如说找到一个w是 w乘以x0

和使得 x找到一个w然后

使 x0乘以w和我们

x1就是这个实验组很像

然后

虚拟出来的一个x0乘以w

就是一个很好的控制组

然后可以通过这种类似

于最小二乘法的方法

然后来实现

然后的话如果说因为很难去构造出一个

实验组和通过一个权重很难去构造出

实验组和控制组完全相同的情况

然后我们可以就是说在

具体的操作过程当中找到

我们所关注的变量

比如说我们可能关注

一个变量 然后我们可以

它引用一个概念叫做V

然后

V放到

我们关注的变量上面

然后让它的权重更高一些

然后其它的这些不是很关注的

变量的权重就小一些

通过这种方法的话

可以看一下这张图

就是说在

第5年是政策实施的时间

然后在75年之前

通过我们这种构造就可以发现

这个实验组和控制住它是有几乎

重合的这种时间趋势的 然后在

这个就是政策实施之后 它们

相应的变化趋势

也是相似的

然后斜率也基本上是吻合的

然后的话

如果是多期的情况下就是说

我们可以看一下坐标轴

这个的话就是在

左边的话其实就是

GDP的一个内容

就是GDP的一个指数

然后右边的话是

死亡人数的一个比例

然后的话左边的话对应的是虚线

右边的话对应的是实线

它可以发现在75年之前

这个实验组和对照组的话

75年之前 GDP的差别是不大的

然后在75年恐怖袭击发生之后

就有了一个很大的变化

而综合控制法其实就是

用这样的一种思想

然后来实现了这样的一个

一个操作

然后第5题

第5题问的是在这些方法求得

的无偏估计量是不是只能

解释符合这种trend的情况

如果是的话

time paralell trend的前提

会不会是DID方法的外部效果很低

首先的话我们知道 DID

估计的前提是满足这个时间趋势

然后满足这个趋势的话才能去进行计算

才能计算差值进行估计

因此的话

我们使用DID的前提是要满足这个假设

如果说当假设不能变满足的时候

我们可以通过

比如说DDD去估算

我们有偏误的部分

或者是通过综合控制法

构造通过权重去构造一个

虚拟的控制组来进行

然后所以说这是对第一问的一个解答

然后第二个的话就是说

time parallel trend 的前提会不会使

DID 方法的外部效度很低

我们使用DID的前提是要满足假设

然后DID的外部效度其实

是由参与的组数决定的

参与的组数越多

然后我们推广的范围就会越大

然后外部效度也就会

这个也是我们去研究多期DID的原因

然后谢谢大家

讲得很清楚 谢谢叔叔

大家好

这一道题大家问的是关于

DID各项系数的问题

然后在这里首先以有两组的时候开始说

然后第一项就是州固定效应

就是说每一个州

在它可能就是说有不同的区别

比如说它的雇佣率

比如说我州雇佣率可能高一些低一些

然后代表

这个意思

第二项指的是年固定效应

就指的是就算没有这个政策

随着时间的流逝

它可能有的一个变化

然后我们可以看出在两

组,两组是什么意思呢

就是说有一个对照组和一个控制组

我们可以看到在两组的时候

年固定项其实它相当于是

一个共同的时间趋势

还有第三项里面的Dsτ

然后我们可以看从这个

写法我们可以看出来

它包括两部分 一个是s

一个是τ

它有两个取值就是1和0

然后它取1的时候是代表在

第τ期在政策实施的州

所以才能等于1

所以我们可以看出Dsτ等于

1的时候是要满足两个条件的

第一个是要在第τ期

就是说要在当期

第二个是要在政策实施的州

这两个条件缺一不可

所以我们也可以看出来

只有在treatment

group里边

也就是说政策实施的州里边

Dsτ才能等于1

然后我们可以看第5项

第5项就是xi

但是 Dsτ等于0的时候有两种情况

一个是你们写的这种情况是在control group

还有一个也是在treatment group

但是它正好不是在

第τ期的数据对吧

然后 Xist是指一个协变量

这个有点像DID第三个

假设里边的那种协变量

大家可以帮助理解一下

然后大家最关心的是δτ是什么意思

δτ它是在控制的州固定

效应和年固定效应之后

在实验组和对照组之间的

差异

然后我们可以看出来如果只有两组的话

那么δτ它代表的是一个政策的

政策的一个因果效应

然后具体是怎么得到的

我们可以看下一张PPT里边

麻烦放到下一张PPT

我们可以看出来

我们假设这个题的例子是这个样子

就是说我们只有两个轴

s等于1或者是等于2

1是实验组

2是对照组

然后τ是有5期

就是90年 91年 92年 93年

94年

然后在这个例子里面

我们假设是92年是

政策实施

当年也就是说在92年τ是等于0的

在90年τ等于2

91年τ等于1

然后93年是τ等于-1,94

年是τ等于-2

然后

我们可以把这个式子展开来看

就是说我们可以把红色的这两项

分成5项

然后就是说我们具体就是说我们如果

假如说我们举一个例子

我们想看第一期

就是说政策的效应是什么

我们可以就是说做一个均值

就是说E

y1,1,1991减去

这5个对照组的均值就

可以得出来δ1

然后具体是这个式子怎么

展开的话就比较复杂

然后如果

有同学感兴趣

可以课下我们再沟通一下

然后下一张PPT

多期多组的情况

麻烦放到下一页PPT

它多组多期是什么意思

就是说在政策实施的时候

说每个州

在政策实施的时期可能是不一样的

比如说在第一个州是90年实施

第二个州是91年实施

我们在进行正式进行DID分析之前

要做一个中心化的操作

就是说我们要把政策实施的当年作为

第0期,τ等于0

然后我们可以看出来对于这5个州来说

第0期代表的意思是不一样的

比如说第5个州

然后我们的第0期可能就是1994年

然后再对第4个州来说

就是第0q期就是1993年

所以我们可以看出来

我们可以看出来多组跟两组的差别是什么

就是说τ

如果我们是只有两组的话

实验组跟对照组的话

那么就是说我指定τ是

它等于一个特定的值

比如说它等于0的时候

我们就指这是

只是一个这么一年

但是

如果在多期多组的时候

我说τ等于0

我的意思可能是τ是我说

τ等于0的时候指代的

对于不同的州指代的年是不一样子的

所以就是说这个γ

γt,年固定效应

它已经不能再代表一个共同的时间趋势了

所以我们也可以看出δτ它

也不能代表政策的因果效应

最主要的就是说哪出现了问题

最主要是γ

γt这里出现了问题

然后这个式子也可以就是说按照上面

第二张ppt里边表格进行具象化

然后如果有同学感兴趣

我们课下可以再交流

因为这个还比较麻烦

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

4.11 Q&A 2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。