当前课程知识点：教育定量研究方法（高级） >  Weeks 13&14: HLM >  HLM >  2.4 Idea of IV 1

返回《教育定量研究方法（高级）》慕课在线视频课程列表

2.4 Idea of IV 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

2.4 Idea of IV 1课程教案、知识点、字幕

我们看怎么解决这个问题

那么这个时候我们就开始讨论工具变量的问题

好

什么是工具变量

这是之前的问题放在这儿

大家想我们感兴趣的比如说schooling

schooling

这个连续变量受教育年限

我们特别感兴趣

多上一年学

到底对于未来工资有没有影响

假设我们关心的就是固定变量

但是固定这个变量显然又跟残差是相关的

因为刚才解释了ability不可观测，在残差里面

那么这个时候我们怎么办

我们是要放弃对这个问题的研究吗

如果不想放弃的话

我们应该怎么去解决它

我们显然也不太可能做RCT因为我们不可能去控制操纵

别人的教育经历

这时候这时候一个非常直觉的问题是什么

就是说如果大家想 x的 variation是蓝色的

这一个椭圆它红色阴影面积的部分跟浅蓝的这一块儿的

residual也是y的variation

它是相关的

红色阴影面积

我们把它比喻成是一块烂掉的面包

因为它不好性质

蓝色的整个椭圆除掉阴影面积之外

它其实剩下这一部分它还是一块比较好的面包

它还是可以用的

它这部分variation对不对

因为这部分variation它跟 residual

就是不相关的

那么如果我能够想一个办法

把跟 residual不相关的这部分

variation给它抠出来

然后接着用

是不是是一个可能的解决方案

是吧

非常机械直白

也就是说如果我能找到一个工具变量

这个工具变量它就像个模子一样

它在 x上一扣

它就把健康的这块面包给扣出来了

然后我们再用健康的这一块面包

继续解释我们的y的 variation

这个问题就可以解决了

是不是

非常简单

机械

但是也很清楚

那么听上去还是可以去探讨的

那么这个时候我们就提出关于IV工具变量

它要满足什么性质

就能够在这样的一个思路下帮助我们解决这个问题

第一个就是相关性

也就是说显然就是工具变量z它要跟x是相关的

是不是

它能够去解释x的一部分最好是一大部分

variation

这样的话它就可以把 x的一部分variation

通过 x的拟合值的方式表达出来

第二个工具变量就有外生性

也就是说工具变量绝对不能再跟残差相关的

我们在这张图里面画了residual的面积

跟前面那个图的意思是一样的

那么这个residual显然它跟x它是有一部分重叠

的相关的

但是我们的z是坚决不能再跟residual相关了

因为我们本来就想用z来抠出一部分跟residual不相关的x的

variation

对不对

那么这个z它是一定要不能再跟residual相关

那么这个就叫工具边的外生性

所以工具变量两部分

一部分这是很形象的说法

显然 variation它不是这么能够抠得出来的

形象的说法

也就是说一部分是内生的

第一部分这一部分它跟residual是相关的有重叠

一部分是外生的

么z可以把外生的 variation的一部分抠出来

它也不见得能全抠出来

大家能抠出一部分来

那么如果能够有这样的一个工具变量

帮我们抠出一部分外生的 x的variation的话

我们就有望解决这个问题

那么用工具变量来去解决 y对x的回归方程

我们能够得到一个渐进无偏的估计

这里我们不去解释什么叫渐进无偏的

大家感兴趣的话

可以去翻阅教材

或者是其它的这些计量经济学的书都可以

或者来找我讨论也可以

我们没有这么多足够的时间来讨论这个问题

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

2.4 Idea of IV 1笔记与讨论

也许你还感兴趣的课程:


  1. 高级健康评估(2021秋)

  2. 学前儿童卫生与保健(2021秋)

  3. 小学教师升级宝典(2021秋)

  4. 电力系统分析(2021秋)

  5. 市场营销：网络时代的超越竞争(2021秋)

  6. 人格心理学(2021秋)

  7. 电力系统继电保护(2021秋)

  8. 财政学(2021秋)

  9. ACCA F2 管理会计(2021秋)

  10. 服饰艺术传播与创新设计(2021秋)

  11. 教育定量研究方法（高级）(2021秋)

  12. 数学建模(2021秋)

  13. 财政与民生(2021秋)

  14. 传热与流体流动的数值计算(2021秋)

  15. 国际税收网链上的舞者(2021秋)

  16. 中国散打(2021秋)

  17. 制浆造纸机械与设备(2021秋)

  18. 教育学(2021秋)

  19. 果品加工贮藏(2021秋)

  20. 著作权法(2021秋)
© 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。