当前课程知识点:教育定量研究方法(高级) >  Weeks 13&14: HLM >  HLM >  4.1 Introduction

返回《教育定量研究方法(高级)》慕课在线视频课程列表

4.1 Introduction在线视频

返回《教育定量研究方法(高级)》慕课在线视频列表

4.1 Introduction课程教案、知识点、字幕

我们今天来讨论自然实验法

能听到我声音吧

听到的话请回复一下

Ok好 谢谢

我们讨论自然实验法

根据前面我参加咱们同学

的小组讨论的情况

感觉同学们对 natural

experiment和

DID的基本逻辑

还是相当清楚的

所以

我前面会过得快一点

也有同学反映

注意力最集中的时候是刚上课的这段时间

但是这时候讲的这是最简单

越往后讲的越难

注意力还不集中了

所以为了

也是改善这一方面

我们前面会讲的快一点

所以讲的快的话大家有问题

你就随时在讨论区里提出来

或者你发弹幕都可以

我们重点解决问题好吧

就不会

按部就班的每一个细节都讲得很详细好吧

所以大家一定要提问题

你要不提问题的话可能就

过去了

我们今天真的还是很满的

但是我希望能够按时下课

我们先简单的讨论一下natural

experiment它的

这样的一个思路构思

为什么会有这样的一个想法

接着讨论一下怎么样来去估计

causal effect

再就是DID的

关键的假设怎么去检验它

还有我们今天重难点是56两项

这个5是

对于多期DID我们怎么来去处理

这个是在大家预习作业里面

应该也没有涉及的

第六是当 common time

trend 假设被违背以后

我们会采用什么样的方法来解决

有两个方法

我们重点讲6哈 ddd

7呢

我们简单介绍一下它的

思路和理念就可以了

如果我们还有时间

我们就有一个class

discussion

如果没有时间的话

我们就争取放到workshop

那一个星期再来说

大概今天的任务

那么这个是咱们的 concept

framework

我们的 causal

influence

families

我们今天讲的是 natural

experiment

那么回顾RCT大家知道

虽然RCT在这个理念上是非常理想的

但是在实际操作中依然会有很多的问题

会威胁到我们的

validity

使得 RCT也不见得总是我们的

总是研究者可以去选择

的一个option

包括我们之前讨论过的溢出效应

霍桑效应

Zhang-Henry效应

安慰剂效应对吧

Cross over可以被IV解决

但是IV的本身它有它的局限

再就是 RCT的外部效度相当低的

当然还有6和7这样的一些问题

那么

今天我们介绍 natural

experiment

它就跟RCT是非常不一样的

大家也有所了解了

它不是我们研究者

自己

去设计的控制实验

而是自然界中发生的

只不过是被我们观察到了而已

那么我们先简单的看一下

natural

experiment

它的这样的一个

大概的一个定义

那么首先它一定是有一个外部的

agency

这个agency它可以是

自然也可以是政府都可以

等等

那么使得我们

非常自然的发生了一个

突然的变化

这个

unexpected

那么使得这样的一个变化就导致了我们

社会生产方式的变化

包括

教育里面的一些变化

教育政策的变化

或者说是教育组织结构的变化等等

那么使得我们就天然的

观测到了一些 treatment

的变化

使它构成了一个实验的这样的

条件 那么这个是

最关键的

它是一个来自外部的突然的

不是人为所能够控制和预期

的这样的一个变化

那么我们就会去

抓住这样的一个现象

那么来去回溯这个数据

我们待会会讲数据的采集的问题

来去做自然实验的分析

那么这个里面最关键的它跟RCT

的区别就在于它是自然发生的

不论是灾难也好

还是政策法律的变迁也好

那么它不是研究者自己设计的

那么它外部性能是要足够强

当然这个里面就有的人群被影响

那么

这个例子也是我们的课本上的例子

那么这个例子它是说的是有

一个financial aid

叫 SSSB program

program它是在1981年

之前一直有

它给

家庭困难的中学生提供

高额的一个补助

那么这个困难的定义是什么

它的在上高中阶段他的

父亲去世

那么这样的话对于一个家庭来讲

它是

会造成很大的困难

那么可以这样的中学生

提供一个高额的补助

那么是6700美元

这个是很高的在当时

那么为了什么

为了让他能够上大学

那么这个项目

但是这个项目在1981年的时候停掉了

那么这就是一个政策的变迁

那么它就会使得这个人我们本来

能够受益于这个项目的人群

他在后面几届它就不能再

接受这样的一个资助

那么我们就来看 反正说

到底会不会对学生的

上大学的决定产生影响

那么就构成了一个

非常好的一个自然实验的机会

那么为什么SSSB非常重要

我们知道在美国有很多的项目

它们都是在做

financial aid

SSSB是一个高额的

它非常重要

这里有几个数字可以对比

比如说像著名的

这个Pell Grant它是

只有2000美元

那么

Student loan就是学生贷款

它也是4500美元

但是我们刚才说到 SSSB

它是6700美元是非常高的

它能够cover

基本上能cover学生的公立学校的学费

包括私立学校的学费

它也基本上是相当的

所以说它资助力度是高于其它项目的

所以说它的撤销

被研究者认为这个影响是非常大的

那么它的 outcome被定义

的是23岁时是不是上大学

因为可能有的学生他可能会工作两年

再上大学或者等等各种情况都有

所以 outcome它设的比较宽泛

它不是说18岁是不是上大学

而这23岁的时候是不是上大学

或者上完大学了都可以

那么这个是outcome

那么这个地方大家想一下

是不是在1981年之前是有这个政策的

那么1981年没有这个政策了

那么这个81年把人群把高中

人群每一届分成了

两组

显然81年之前是treatment

group

因为他接受了政策

81年之后是control

这样的一个性质

treatment group

就没有这个政策了

说错了都是treatment group

对于父亲去世的人群来讲

control group

当然父亲没有去世的人群

因为他们

本来一直就没有可能没有

资质去接受政策的资助

那么我们就可以来形成这样的一个对照

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

4.1 Introduction笔记与讨论

也许你还感兴趣的课程:

© 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。