当前课程知识点:教育定量研究方法(高级) > Weeks 13&14: HLM > HLM > 3.12 Q&A 1
我们第3组是1~4问
然后第4组是5~8问
然后我是回答第一个大题里面的8个小题
这些题都是比较概念性的问题
第一个问题问的是rct的伦理问题
rct的伦理问题
从大的方面来讲
它主要有个人和社会的层面
好的实验它必须兼顾社会和个体的利益
去寻求一个平衡点
使得科学研究既能够进行
又能够充分保护研究对象上的权益
它一般会包含着受试者的生命健康权
隐私权
知情同意权和自主权
在医学的临床实验里往往是包含着生命健康权
但是就是在我们的实验里一般不会涉及到生命健康权
但是主要是这4种权利
我觉得同学们可能更关注的是我们在去进行一个随机实验
的时候的流程
首先我们的首先我们的实验设计要经过伦理委员会的审批
比如说就是清华心理系它有伦理审查委员会
然后另外在我们去做实验的时候
我们需要提供给我们的参与者知情同意书向他们解释
并且让他们签字
这是对第一个问题的回答
然后第二个小问是关于实验案例加入treatment
的问题
然后同学们这是否违背rct的原则
我这是我们组觉得这是不违背的
因为虽然你加入的treatment不止一种
只要你存在对照就可以了
有一个解决的方案就是做新设计
新设计就是一种交叉分组的设计
比如说你有a和b两种干预措施
你就可以分4组
1/4的研究对象是加入a treatment
1/4的实验对象加b treatment
然后还有1/4是 a treatment和b treatment都加
剩下的1/4就是 control group
有一个例子就是我们这周的阅读材料
大学激励和服务的随机实验
然后他在里面一组是加入了奖学金激励
另外一组是加入了这种学业支持
第三组是两种 treatment都加了
第4组就是一个对照组
我不知道这样回答可不可以
如果提这个问题的同时还有疑问可以下去
如果没有就继续了
还挺好的
IRB是很重要的一个事情
我相信导论课的时候应该讲过它的起源
当然尤其是以二战时期
这个就是要像日本日军等等
他们做了很多这种这种实验
那么自此之后
大家觉得说做这种医学实验必须要有这种伦理审查
那么后来又扩展到所有以人为研究对象的研究
那么就像国外都有IRB国内现在随着研究跟国际的接轨
也开始出现心理学系就建立一个这样的一个IRB其他院系
是不是都有这个还不确定
那么无论有没有IRB我们自己的研究设计
第一个要符合伦理
第二个要给被试或者说是访谈对象等等
要提供知情同意书
这个是很重要的
第三个如果是能够找到IRB进行审批
这个流程更规范
尤其是在你去发表英文论文的时候
这点可能尤其重要
好
有没有问题同学们有问题现在就可以解开麦克
直接提我们这个环节就是非常互动的环节
希望大家能够畅所欲言
好不好
能够热烈的探讨
这个都没有问题好吗
如果大家没有问题的话
那就进行第三个问题
就是说rct研究中是否应该对实验结果有一个
预判
这个问题我觉得在我们很多的阅读资料里
它都有这样的例子
比如说刚才在第二个的问题
提到的就是这周的阅读材料
它其实他在摘要中就提到了他这个实验室
designed for去提高学生的学业成绩
所以我觉得我们在进行实验设计的时候
就应该对实验结果有一个大致方向的判断
有的有有的可能没有
但是大部分我们是有的是吧
然后第4个问题就是关于如何确定而ct研究的样本量的
问题
对于这个问题就是在上学期郭菲老师的课里
她提供给了一个计算的公式
我觉得这个公式是非常清晰了
然后根据这个公式有一个这样计算的示例
就是不同的总体人群和我们需要去抽取的样本量的一个
关系
然后可以课后分享给大家
我去查了一下
可以去做这种样本量计算的软件
有这几个他们的操作应该也都是比较简单的
如果大家有计算样本量的需求的话
可以去用这些软件算
第5个问题是关于干预的剂量的问题
就是如何确定一个干预的程度
对于这个问题我们组提出了两种解决方法
第一个就是预实验
因为预实验就是在正式的实验之前去为我们正式的实验
探索一些比如说一些操作或者是一些计量上的问题的
所以我们觉得预实验就可以解决剂量的问题
另外一种方法就是我们也可以通过设置不同的实验组来
解决
比如说你的treatment
它的程度可能有123三种
三种程度
你不确定哪一种程度是合适的
你可以设置三个不同的实验
好
对于还有问题吗
如果没有问题就去而且有的时候剂量的问题也是跟现实
有关
对吧
现实中的操作会是什么样子
要符合现实
那么这个实验结果他才会更加有价值
对
还是不同的实验需要去设置不同的剂量
有的是跟理论有关的
比如说像营养餐这种事情
它肯定是跟一些营养学的理论相关
认为应该有一个什么样的频率和剂量是吧
或者一些教育干预
那也应该有理论的一些依据来说
大概要有一个什么样的时间长度
或者说是一个密集程度是吧
对
下面是第6个问题
第6个问题问的还是你实验的问题就是说它的数据可以
合并到正式实验
我们组给的回答是不可以的
因为预实验它的定义就是在正式实验之前用少量样本进行
实验
一定要摸索最佳的实验条件
他的目的是为正式实验打下基础
检验这种实验设计的科学性和可行性
所以预实验它和正式实验是完全不同的
两个也不能说完全不同
说他在数据上应该是不可以合并的
这是由它的功能决定的
它并不即使它的数据和正式实验的数据很相似
我们觉得它也不可以合并正式实验
这应该是一个规范的问题
然后第7个问的是我们上课讲的内容就是att和atnt
不相等的时候
是不是就无法满足treatment是稳定的假设
对于我们的理解是 att和aTNT就是他们本身
就他们本身就不是同一个概念上的
所以说不存在说它不相等
就不满足treatment
是假稳定的假设了
因为att后面这个t是被treated
的组
所以说它本身就应该是treatment作用的组
而atnt它是non treated
所以说aTNT本身就没有受到treatment的作用
它本身就不应该是受treatment作用的
然后我们从我就这样说可能不太清晰
我们从公式上就可以看出来
att它的表达是Ti等于1的时候的期望
而aTNT是Ti等于0的时候期望
这个就很清晰
一个是接受了treatment
一个是没有接受treatment
所以他们不是一定相等的
对 att跟aTNT在这个观测数据里面
也就是有可能出现自选择的情况下
接受treatment本跟没有接受treatment的人群
它如果本质上平均来讲不一样的时候
这两个效应确实不一定相等
但是在随机控制实验里面
是不是treatment group跟control group他们应该
是可比的
也就是说这两组人的特征在统计上平均来讲是没有显著
差异的
这个时候 att跟aTNT理论上是应该相等的
在随机控制实验里面
他们是根据这个随机性呢保证了它其实应该是随机性和
他们没有显著的差别
这样的特点就保证了att是等于aTNT的
也等于ate的
这个是随机控制实验的假设是吧
但是在现实中的观测数据就不一定了
对
然后8第8题问的是我们上课的 PPT上的公式是怎么
推导的
我觉得我觉得它的关键就是这个D和Y之间是相互独立的
所以我们在这个公式推导的第一步和第二步之间
就可以把Di等于0换成Di等于1
这样就推导出来了
不知道这个问题现在有没有理解
如果没有理解的话可以看看书
我来找一下这里它的关键就是在这两步之间就是把Di等于
0换成Di等于1
它的原因就是因为Di和y之间是相互独立的
所以所以Di等于0
和Di等于1
它的情况是没有差别的
所以就可以这样的操作
然后如果这些没有问题的话
那就进入下一部分了
-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