当前课程知识点:教育定量研究方法(高级) > Weeks 13&14: HLM > HLM > 2.17 Q&A 3
大家可以听到吗
可以
好
我们是第二组
然后准备的比较有点粗糙
然后首先是第一个问题是关于残差
残差大家的疑问还是在为什么要用
为什么要用 ε要代替η的问题
首先我们看上面的这三个式子
第一个式子就是我们要原始的模型
也是我们真正关注的一个关系
然后是二它是软件中报告的在其实其中的一个ε它
其实是(1)中的一个ε
它的意义也是相同的
大小也是一样的
但是(2)中这个东西
它是通过一个软件计算
一个二次加工得到的
对
然后是(3)中的
它其实是手手动计算的
如果我们引入的是 x hat
我们直接求出的应该是η
而不是ε
这是我们要关注两个概念
一个是β1的无偏性
β1的无偏性和LATE大家要清楚两个它的概念和它
的含义
β1的无限性
意思是假如是给定一组数据
假如说是我们之前课本上的概念
假如说是收入教育和它的出生年月
这三个数据
然后我们做一个IV得到的β1它其实就是一个无偏的
估计量
而LATE它的 local的意思对于它的总体而言
它的处理效应它是一个局部的
它是针对于而针对于总体中的一个小群体的而它的含义不
是指的说它的β1它其实是一个部分的或者是局部的
一个概念
它其实β1真正的得到了β1它就是一个无偏性的
然后再回到我们的残差
残差里面的话就是我们的所以β1是无偏的
我们要求的它的就是残差应该也是要回归到真实的这个
模型里面
我们真正关注的是xi和y而不是x hat的和y因为
x hat是我们估计得到的
而不是真实的一个x所以我们要求β1的标准误还是要
关注ε
而不是η
然后我们再看第二个问题
残也是一个残差的问题
就是怎么来通过ε
怎么通过η来求ε的问题
老师之间ppt的式子
然后它根据做第一次的回归
也就是x对z做一次回归
我们得到了x hat和δ
然后再把x hat带入(2)
第二个回归里面我们得到的就是β1和 η
而我们用这三个值然后带入
带入这个式子
然后我们就可以得到η的值...
就等就可以得到一个ε的值
然后它减去...给它以乘以δ
就可以得到参差
大家看一下
η和ε谁大呀
方差谁大
η大
η比较大
因为它里面有这一部分
它相当于还是有个其它的
其实如果画图的话应该是这一部分
这一部分其实应该是它的 η
对
然后它真正的一个ε其实应该是这一部分
这一部分
然后如果是η的话
应该就是这部分
对
这个是它的控制变量
这个是自变量
对
大家还有问题吗
然后没有的话我就讲下一道
下到的话它其实是和刚刚那个问题是其实都是关于标准误
但其实是两个概念
第一
刚刚那道题它的意思是说怎么来选择它的残差来求β1
的标准误
而这道题的它的含义是假如给了你一个数据之后让你跑
一次IV
然后再跑一次OLS然后看两个β1标准误的大小的
一个关系
然后如果这两个式子大家都是已知的
可以理解的
然后大家都很很容易比较理解
就是说这两式式子谁大谁小
因为它 r这个东西它是一个相关系数
然后它肯定是小于1和大于0的一个东西
所以varianceβ1IV的一个方差肯定是要大于
β1OLS的一个方差的
对
然后如果再把它拆开
然后再理解一下这个式子
怎么个意思的话
假如说是s方
它其实就是因变量的一个方差
就是n-1
y减去y的平的平方这个东西
然后下面的 variance x就是x的方差
就是n-1
可是xi减去xi平方这个东西
而它这样的相关系数
然后我们根据之前导论课的第二阶段的残差
在韦恩图中表示
刚刚已经
好
好好一会再讲
Rxz这个东西它其实之前早上课老师也讲过
等于如果对x和z做一个回归
然后R square就是这些东西
然后把这些东西然后带到这两个式子
然后我们就可以得到variance β1 IV
它的一个方差就等于上面把它入带入之后再乘一个n它
其实就是一个SSTy一个sum of square
然后下面是n乘以 SST x乘以它的Rxz
而是这个东西
然后它乘起来其实就等于SSEx然后下面还有个
variance OLS的话它其实就等于n乘以SST,上面是
SSTy对
它其实唯一的区别就是这个地方它的分母上有区别
而SSTx这个东西它肯定是要大于SSEx所以它俩的
大小也是直接明了的
应该是
它要大于它
之前刚刚就画过这样的图
然后再画一次
假如这个是之前讲的y,然后再画一个 x
x然后它其实是和y有一个内
生性的问题
假如说是这一部分都是内生的部分
对
然后现在来了一个IV
现在来了一个LV之后
假设是这一部分
现在的问题就是说它第二部分手动算的
它η的部分是哪部分
因为η我们用的是它的x hat
x hat
其实我们这一部分而,用它来与y做一个回归
之后
然后大家可以看到它的残差
其实这一部分红色线表的这一部分
然后如果还有的话
还有 reduce form里面的东西
它里面的残差其实和红色部分它是一样的
reduced form 它的式子不是
y=α0+α1z+μ
用z和y做一次回归的话
它其实它得到的残差也是红色的部分
它其实比最后我们得到的ε,真实要求的ε
是要大的真实的一个ε
我们要求的其实是这一部分
对
然后就是这样的一个关系
对其实我就是很好奇 reduced form和
menual的它的两个残差是一样的表示
对
它是一样的表示
但其实它里面就之前也问过老师
它里面因为它的这个部分假如是β0
然后再加β1x hat
然后再加一个η
这部分它这两个部分的残差其实是相等的
对
不一样的
就是它的系数和它的截距是不一样的
还有问题吗
-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
-1.8 How to use matrix calculation to solve OLS
-1.11 FAQs of regression:practice
-1.12 FAQs of regression:discussion
-1.13 Maximum Likelihood Estimatio
-Basic Econometrics
-2.1 Classical assumptions of OLS
-2.2 Omitted variable bias and endogeneity
-Weeks 3&4 readings and workshop
-Instrumental Variable
-3.6 Threats to the validity of RCT
-3.17 Random-effecrt and Fiexed-effect model
-3.18 Statistic power analysis
-Weeks 5&6 readings and workshop
-Randomized Experiments - Class Size, Career Academies
-4.6 DID with multiple periods 1
-4.7 DID with multiple periods 2
-4.9 Synthetic control methods
-Week7&8 readings and workshop
-Natural experiment and DID
-5.10 Validity and assumption test 1
-5.11 Validity and assumption test 2
-Regression discontinuity
-6.1 Review of causal inference model
-Propensity Score Matching
-HLM