当前课程知识点：教育定量研究方法（高级） >  Weeks 13&14: HLM >  HLM >  2.21 IV workshop 3

返回《教育定量研究方法（高级）》慕课在线视频课程列表

2.21 IV workshop 3在线视频

返回《教育定量研究方法（高级）》慕课在线视频列表

2.21 IV workshop 3课程教案、知识点、字幕

那么这个内生性检验就是用endogeneous

来跑

那么刚才是 overidentification是来

测工具变量的

那么这个我们就来看

我们折腾半天

我们想了一个这么妙的招是吧

就折腾了又用了一个法律

然后找到了工具变量

那么反过来我们来看

education本身到底是不是一个内生解释变量呢

我们在stata里面跑完 two stage least

square之后

可以马上用这一个post estimation来

去做一下检验

大家可以跑一下这一行的命令

可以

我这边出来的结果是 h0

它假设的是教育变量它是外生的

然后它的p值给出来是0.3527

所以说原假设不能被拒绝

所以说它是外生的

你的 p值是0.3527

对

我也不知道为什么好在前面有很多处跟老师的数不一样

可能是你前面在选取数据的时候

是不是选的是同一段数据呢

这回我们再看一下

可能是选择数据

不是同一段数据

但是根据你的结果

如果p是0.3527的话

显然是不显著的

那么我这边 p值跑的是0.9

那也是不显著的

这种情况确实是要接受零假设

也就是说 education也是一个外生解释变量是

吧

对

但是老师不是说是不能拒绝吗

不是接受

对

不能拒绝

那不能拒绝就是接受

好

那就跑了一个0.26

这个可能是跟因为我现在不能一个一个看大家的屏幕

可能是跟你们电脑上的显示使用的数据不一样是有关

我不知道为什么会不一样

回头我再看一下

你们可以把截屏到时候给我来看一下

那么假设检验的精神大家领会了

那么我们其实就用这样的一个命令在跑完工具变量之后

马上跑检验

就能够去来做这样的一个判断

那么还有一个如果刚才看 help文件也可以看到

在 ivregress后面可以加option

其中有一个很重要的option就是first

如果你加了 first之后

stata就会把第一阶段的结果报告出来

刚才我们可以注意到

其实我们是不是只看到了第二阶段的估算结果

没有看到第一阶段

那么它是被隐藏了

加上 option first之后就会报告出来

有的时候我们会对第一阶段结果很感兴趣

比如说我们要检验一个弱工具变量的时候

我们就要看第一阶段的估算结果

是不是

那么因为时间关系

我们可能后面就不能一个的陪着大家一个个过完了

那就作为课后练习

那么课后练习你们去跑一下

后面的是什么

一个是手动的two stage least square

应该收不好的

那么为了比较手动自动的我们也跑一遍

手动一阶段

我来跑一个回归

这个里面是只用到了工具变量

当然也有控制变量 year

接着用predict命令来去估算一个fitted

value

就是x hat fitted value

我把它命名为比如说edu，之前是education

的大写的缩写

那么第二阶段手动显然就是把fitted value放在这里

我们来跑

当然还有之前的控制变量

就是 year放在这里跑

那么跑完之后这个结果你就来看

我们用手动的方式跑出来的结果跟我们在这一列用自动

的stata自带的命令

跑的结果

它们在这个点估计和标准误的估计上有什么差异

这个是要来对比的

第二个我们刚才也是提到的

如果我在第一阶段手动的时候

第一阶段我只放工具变量

没有放控制变量

这些year，这些控制变量

那么这个结果会有什么差异

这个是大家可以练习的

所以手动的 two stage least square作为

课后的练习

大家来跑一下

有什么问题你可以提出来

好不好

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

2.21 IV workshop 3笔记与讨论

也许你还感兴趣的课程:


  1. BIM应用技术(2021秋)

  2. 影视评论(2021秋)

  3. 养老护理技术(2021秋)

  4. 非遗文化衍生品设计(2021秋)

  5. Chang'an and Chinese Buddhism(Round 2)

  6. 新中国边海防历史经验和重大启示(2021秋)

  7. 大家一起学儿科(2021暑假班)

  8. 影视语言(2021秋)

  9. 管理学原理(2021秋)

  10. 媒介道德与法规(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。