6.1 Review of causal inference model在线视频

好 同学们

大家上午好

今天我们来讨论倾向分数匹配法

今天的内容

我觉得

特别适合讨论

所以咱们今天讨论的内容会多一点

那么我们今天有这么几块内容

简单的回顾一下我们的因果推断模型

我们已经

这一学期主要的因果推断模型都快

学完了

所以我们做一个简要的回顾

第二个我们专门讨论用观测数据

怎么样能够去减少自选择偏误

这个也是大家在

提前阅读课本的时候也都讨论过了

但是这里面我们来详细的讨论一下

同学们有什么问题也可以

在这个阶段的来问

这一块内容它看上去非常的基础

但是越基础的内容

又给我们提供一个非常好的机会

让我们重新的去审视

之前习以为常的这样的一些做法

它背后的原理是什么

如果没有这些模型

你自己能不能想得出来

这个是我认为它最重要的教学价值

所以我们会认真的讨论一下

接着我们就进入主题

就是关于 PSM的模型的

它的理念估算和假设检验我们会做这一块

之后我们会讨论一个special

issue

因为PSM这一块的

内容没有这么满

所以有一个很重要的话题

可能在一般的定向课的时候

不太可能专门的去讨论

所以我们会拿出来讨论 bad

control的问题

那么还有一部分内容

我觉得可能课上我们是没有时间去完成的

所以作为optional

放到PPT的后面

但是我们可能课上就不会讲

大家感兴趣的话可以在课

下的时候看这个PPT

并且可以把相应的论文找出来看关于

跨学科的学生固定模型

它也是用

另外一种思路来去解决

学生跟老师

匹配的过程中的自选择问题

就是我们的择班

选老师等等这样的问题

这个也是用观测数据来去解决自选择问题

所以我们

把它作为一个

选学的内容放在后面

好 这个是今天的genda

有没有什么问题

有问题大家可以随时打开麦克说

我们非常鼓励大家在开麦克

你在聊天区里说也是可以的

我再开一下弹幕

对

好 都可以 欢迎大家讨论

今天我们讨论会比较多一点

好

那么这个是咱们非常熟悉

的这样的一个框架了

RCT和 natural

experiment

我们把它定义为实验设计

那么

RD跟今天要讲的

PSM是准实验设计

那么其它的像工具变量等等

包括刚才我提的

student fixed effect model它们都属于observational data

它是

它不是实验设计

但是不是实验设计

如果能够得出一个causal

inference的话也是非常好的

那么也是可以用的

那么这个是从RCT一直到IV

在包括PSM我们已经讨论了

5个模型了

那么

它的实验它是什么样的一种实验设计类型

刚才我们说过了

它的重要假设

我们列在这里大家会看到说

每一个模型它的假设是很不一样的

那么这些假设

如果不能够满足的话

这个模型就不成立了

所以这个就是咱们高级

定量课很重要的一点

就是要知道每一个模型它的适用范围

它的假设是什么

我们怎么样去检验这些假设

这些是前提

而不是说

看着长得像就套一个模型

就算出一个结果来

那样的话是会很容易出大的错误的

所以我们一起来看一下

么

RCT

最重要的假设是什么

点个名

这个问题都很简单了

我们作为一个回顾

大家要注意一个登陆雨课堂

不登录雨课堂就点不了你的名了

来 **回答一下

我觉得RCT的最重要的就是

就是 basic

assumptions的

第二条

Di和outcome是完全独立的

对 你觉得DID呢

DID假设跟RCT假设有什么异同

我觉得DID最重要的假设是

短期内

是平行

实验组和对照组都是它们的趋势是平行的

什么趋势

随时间变化的趋势

对所有的outcome

在没有shock的情况下

它们随时间变化的趋势是一致的是吧

平行的

那么这个是跟RCT不一样

的额外的一个假设

它有没有跟RCT相同的假设呢

RCT你刚才提的就一点

最重要的就是asignment

跟 potential

outcome是要独立

对吧

DID符合这一条吗

Sorry

不一定符合

DID不符合吗

我想一想

想一想asighment就是分组

这些人他被分到哪一组

这个是

独立的独立于它的 potential

outcome的

这个

DID不符合不符合

符合

为什么符合

因为它一般是一个

突发的事件

作为一个外完全外生的变量来影响

而来区分它的实验组和对照组

所以这个外生就保证了什么

保证和outcome独立

对外甥就保证了

我们的这些样本

被分到哪一组

那么也是跟outcome是独立的是吧

所以这条它其实是用另外

一种方式来呈现的

但是这两个假设是不是一致的

是的

行

再请你再回答一条 RD来

而且是我们刚刚讲完的准实验

这个准实验的假设是什么

然后 RD的假设是什么

然后它跟 RCT和DID

的假设有什么异同

RD

是

首先它会有一个断点

第二天和24天不一定有

然后它会要求

只有treatment变量

在断点的地方是断开的

而其它的协变量都要求是连续的

然后它们有一个共同点是

影响treatment

在这里发生断点的

政策或者

外生性的规则

它也是有外生的，跟Yi独立的

说得非常好

也就是说在断点附近

那么这个人

被分到treatment

还是control

也认为是

分组的结果应该是跟它的

potential outcome是

独立的是吧

对

那么假设就跟RCT是

非常像的 是不是

但是它的区别就在于说

RCT它相当于是一个全局性的

分组

但是RDD是不是一个局部的分组

但是在一个非常小的带宽下

而且

它要同时满足几个条件才能够

得出这样的一个假设

是不是满足 是不是

包括刚才你前面说的

它的 forcing

variable是不是连续在断裂

附近连续等等

那么这些都

都满足它能够得出这样的一个

一个局部的

这样的一个实验的

一个建构是吧

好 谢谢周璐

回答得非常好

所以大家可以看到

我们学的三种实验设计

不论是实验还是准实验

那么它都属于实验设计

那么

是不是它们其实都遵照了

RCT黄金准则里面的

最关键的假设就是

这个随机分组它是跟potential

outcome是独立的是吧

只不过是它呈现的方式不一样

一个是

这种大的 policy shock

或者是disaster

带来的这样的一些

外在的强制的这样的一些改变

么RD它是这种

强制的游戏规则

强制的规则

在一个连续的

变量上

产生了断点

并且因为这样的一些独立性

连续性使得我们在断点附近构造一个

类似于RCT这样的一个实验条件

那么这个就是

RD

那么IV呢？

IV其实是

跟我们说过了

它不是一个实验设计

但是因为IV它能够

引入外生的variation

external

variation

exogenious

variation

使得 IV可以帮我们去解决

内生性问题

自选择问题

那么所以IV的假设最强的一

条就是它跟 residual是

不相关的 也它是外生的

那么

当然同时它必须跟我们要解决

的内生及时变量是强相关

并且只能通过

对内生解释变量的影响是影响y

所以这个是IV

大家都非常清楚了

好

那么我们今天就来讨论

PSM在这样的一个

causal inference家族里面

PSM也是一个非常

重要的一个模型