当前课程知识点:教育定量研究方法(高级) > Weeks 13&14: HLM > HLM > 4.11 Q&A 2
好
老师大家我是***
然后
我们看一下第4题
然后第4题问的是综合控制法是用来解决
难以找到趋势相同的对照组的问题的吗
然后为什么采用这一系列的
处理能够达到这样的目的
适用于综合控制法的条件是什么
然后的话我们都知道
要使用DID要满足三个假设
然后当这个时间趋势
实验组和对照组的时间
确实一不一致的时候
可以采用这种综合控制法的方法
然后这种方法的思想其实就是
我们要找到一种权重
然后来虚拟出一个控制组
然后进行分析
然后具体的话还是按老师上课说的例子
然后
讲一下
研究的是恐怖袭击对经济增长的影响
然后用了一个西班牙的例子
然后西班牙有一个州
然后州是被作为实验组的
但是州太特殊了
导致国家的其它地州是不能
作为实验组对照组
我们在这种情况下还是
要采用DID的分析
的话 就去
选择一个权重去虚拟出一个控制组来
然后使国家其它多个州
然后构成一个
和实验组具有相同的初始值
的这样的一个控制组
然后在这种情况下就可以认为实验
组和控制组拥有共同的趋势
具体在操作的时候
来找到一个权重
然后
让实验组和控制组拥有共同的经济结构
初始的这些变量 然后
比如说找到一个w是 w乘以x0
和使得 x找到一个w然后
使 x0乘以w和我们
x1就是这个实验组很像
然后
虚拟出来的一个x0乘以w
就是一个很好的控制组
然后可以通过这种类似
于最小二乘法的方法
然后来实现
然后的话如果说因为很难去构造出一个
实验组和通过一个权重很难去构造出
实验组和控制组完全相同的情况
然后我们可以就是说在
具体的操作过程当中找到
我们所关注的变量
比如说我们可能关注
一个变量 然后我们可以
它引用一个概念叫做V
然后
把
V放到
我们关注的变量上面
然后让它的权重更高一些
然后其它的这些不是很关注的
变量的权重就小一些
通过这种方法的话
可以看一下这张图
就是说在
第5年是政策实施的时间
然后在75年之前
通过我们这种构造就可以发现
这个实验组和控制住它是有几乎
重合的这种时间趋势的 然后在
这个就是政策实施之后 它们
相应的变化趋势
也是相似的
然后斜率也基本上是吻合的
然后的话
如果是多期的情况下就是说
我们可以看一下坐标轴
这个的话就是在
左边的话其实就是
GDP的一个内容
就是GDP的一个指数
然后右边的话是
死亡人数的一个比例
然后的话左边的话对应的是虚线
右边的话对应的是实线
它可以发现在75年之前
这个实验组和对照组的话
75年之前 GDP的差别是不大的
然后在75年恐怖袭击发生之后
就有了一个很大的变化
而综合控制法其实就是
用这样的一种思想
然后来实现了这样的一个
一个操作
然后第5题
第5题问的是在这些方法求得
的无偏估计量是不是只能
解释符合这种trend的情况
如果是的话
time paralell trend的前提
会不会是DID方法的外部效果很低
首先的话我们知道 DID
估计的前提是满足这个时间趋势
然后满足这个趋势的话才能去进行计算
才能计算差值进行估计
因此的话
我们使用DID的前提是要满足这个假设
如果说当假设不能变满足的时候
我们可以通过
比如说DDD去估算
我们有偏误的部分
或者是通过综合控制法
构造通过权重去构造一个
虚拟的控制组来进行
然后所以说这是对第一问的一个解答
然后第二个的话就是说
time parallel trend 的前提会不会使
DID 方法的外部效度很低
我们使用DID的前提是要满足假设
然后DID的外部效度其实
是由参与的组数决定的
参与的组数越多
然后我们推广的范围就会越大
然后外部效度也就会
这个也是我们去研究多期DID的原因
然后谢谢大家
讲得很清楚 谢谢叔叔
大家好
这一道题大家问的是关于
DID各项系数的问题
然后在这里首先以有两组的时候开始说
然后第一项就是州固定效应
就是说每一个州
在它可能就是说有不同的区别
比如说它的雇佣率
比如说我州雇佣率可能高一些低一些
然后代表
这个意思
第二项指的是年固定效应
就指的是就算没有这个政策
随着时间的流逝
它可能有的一个变化
然后我们可以看出在两
组,两组是什么意思呢
就是说有一个对照组和一个控制组
我们可以看到在两组的时候
年固定项其实它相当于是
一个共同的时间趋势
还有第三项里面的Dsτ
然后我们可以看从这个
写法我们可以看出来
它包括两部分 一个是s
一个是τ
它有两个取值就是1和0
然后它取1的时候是代表在
第τ期在政策实施的州
所以才能等于1
所以我们可以看出Dsτ等于
1的时候是要满足两个条件的
第一个是要在第τ期
就是说要在当期
第二个是要在政策实施的州
这两个条件缺一不可
所以我们也可以看出来
只有在treatment
group里边
也就是说政策实施的州里边
Dsτ才能等于1
然后我们可以看第5项
第5项就是xi
但是 Dsτ等于0的时候有两种情况
一个是你们写的这种情况是在control group
还有一个也是在treatment group
但是它正好不是在
第τ期的数据对吧
对
然后 Xist是指一个协变量
这个有点像DID第三个
假设里边的那种协变量
大家可以帮助理解一下
然后大家最关心的是δτ是什么意思
δτ它是在控制的州固定
效应和年固定效应之后
在实验组和对照组之间的
差异
然后我们可以看出来如果只有两组的话
那么δτ它代表的是一个政策的
政策的一个因果效应
然后具体是怎么得到的
我们可以看下一张PPT里边
麻烦放到下一张PPT
我们可以看出来
我们假设这个题的例子是这个样子
就是说我们只有两个轴
s等于1或者是等于2
1是实验组
2是对照组
然后τ是有5期
就是90年 91年 92年 93年
94年
然后在这个例子里面
我们假设是92年是
政策实施
当年也就是说在92年τ是等于0的
在90年τ等于2
91年τ等于1
然后93年是τ等于-1,94
年是τ等于-2
然后
我们可以把这个式子展开来看
就是说我们可以把红色的这两项
分成5项
然后就是说我们具体就是说我们如果
假如说我们举一个例子
我们想看第一期
就是说政策的效应是什么
我们可以就是说做一个均值
就是说E
y1,1,1991减去
这5个对照组的均值就
可以得出来δ1
然后具体是这个式子怎么
展开的话就比较复杂
然后如果
有同学感兴趣
可以课下我们再沟通一下
然后下一张PPT
多期多组的情况
麻烦放到下一页PPT
它多组多期是什么意思
就是说在政策实施的时候
说每个州
在政策实施的时期可能是不一样的
比如说在第一个州是90年实施
第二个州是91年实施
我们在进行正式进行DID分析之前
要做一个中心化的操作
就是说我们要把政策实施的当年作为
第0期,τ等于0
然后我们可以看出来对于这5个州来说
第0期代表的意思是不一样的
比如说第5个州
然后我们的第0期可能就是1994年
然后再对第4个州来说
就是第0q期就是1993年
所以我们可以看出来
我们可以看出来多组跟两组的差别是什么
就是说τ
如果我们是只有两组的话
实验组跟对照组的话
那么就是说我指定τ是
它等于一个特定的值
比如说它等于0的时候
我们就指这是
只是一个这么一年
但是
如果在多期多组的时候
我说τ等于0
我的意思可能是τ是我说
τ等于0的时候指代的
对于不同的州指代的年是不一样子的
所以就是说这个γ
γt,年固定效应
它已经不能再代表一个共同的时间趋势了
所以我们也可以看出δτ它
也不能代表政策的因果效应
最主要的就是说哪出现了问题
最主要是γ
γt这里出现了问题
然后这个式子也可以就是说按照上面
第二张ppt里边表格进行具象化
然后如果有同学感兴趣
我们课下可以再交流
因为这个还比较麻烦
-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