当前课程知识点:教育定量研究方法(高级) > Weeks 13&14: HLM > HLM > 4.12 Q&A 3
这个问题很复杂
我觉得要想清楚很不容易
大家可以注意两点
能不能再回到上一页
有回归公式的 PPT
*往前翻一页
往前翻一页
对 大家看一下
这个问题我们一起来看一下
我把这个东西往边上挪一下
Ok
不论是两期还是多期
大家思考一个问题
就是州固定效应
βs
州固定效应
它是一组dummy对吧
如果这个公司的数据不论它是哪一年份的
只要它是属于
第20个州
那么βs对应的dummy就等于1
s可以从1到比如说
到5 如果有5个州的话
所以说
州固定效应是不是历年的数据合在一起
各个州之间的一个平均差异
那么大家想跟我们两期DID
我忘了咱用了什么字母了
是不是D是吧
的跟D0跟是不是一个含义
它其实不是一个含义 对不对
因为在两期DID里面
州它是两个州联合一
然后
因为 t
对
也是0和1,0第0期1就是第一期
所以根据咱们套这个公式
你会发现
州的dummy的系数正好是
在t等于0的这一期
两个州的差值
也就是说政策发生之前
两个州的差值是不是
那么但是在州有多期的时候
刚才我解释了β的含义
它是
它是不论是你是哪一年的数据
只要你属于州dummy都会等于
对应的dummy都会等于1
它相当于是各个州之间
多年的数据放在一起
各个州的平均的差异
而且
如果有一组dummy的话
我们选的所谓的州固定效应是不是
要先选一个基准就是说
有一个州它要作为基准
那么其它州差所谓差异都是跟
基准的州来做均值的比较
对不对
所以说这个里面州固定效应
它其实是没有时间的概念的
它
没有体现出来我感觉
因此
这是一个
还有刚才
第一组同学讲的就是
在两期模型多期多个
group的模型里面
每一个州的τ跟它的 t跟它的year
这个并不是一个完全一样的对应关系
因为每一个州市实施政策的年份不一样
但是year fixed effect
确实
把
按照自然年份
它的按照自然年份的时间
趋势是已经剥离掉了
那么剩下的就是
τ
它对应的中心化的点不一样
它会有一些差异
所以这个地方也是有一点点复杂
但是从概念上也可以理解
因为
τ既然定义好了
从政策发生之后1期到政策发生
这个就是政策发生的某一期的数据的话
它也是能说清楚的
概念上是可以说清楚的
所以 year fixed effect它还是
控制了时间固定效应
只不过这个时间是什么
是自然年份
不是τ我们中心化之后的期
就注意这一些 好
老师我想提一个问题
可不可以
可以
刚刚讲的τ是我处理过之后
就是效应发生的哪一期
τ等于0的时候就是效应发生的当期
对不对
对
就是这个公式里边δ0
最后算出来的应该就是
当期的处理效应
对吗
在
这个问题是这样子的
它不是处理效应
就是这些D的系数δ
它的正确的解释是说在控制
了州固定效应以后
控制的州固定效应
控制了以自然年份来刻画的
年固定效应
也就是各年之间的 time
trend之后
在这个政策发生的某一期
比如说政策发生这一期
或政策发生之后一期
那么
控制组跟实验组它们的均值的差值
所以说这个是一个非常准确的描述
但是
控制了前面这些差异之后
当期某一期实验组跟控制组的差值
是不是政策的treatment
大家想一下
是不是
我认为不是
为什么 因为
比如说在τ等于0的这
一期 D的系数δ0
那么它里面会包括什么呢
它是不是
它是不是还包括了两这两组
控制组跟实验组
它们这两组的再τ等于0的这一期的
一些差值
这种差值
是因为前面在中心化的点不一样导致的
我们在控制
去掉时间概念之后的州固定效应之后
那么可能还有一些差值
它是在各个区中心化之后
各个区里面
它能体现出来的
这是有可能的是吧
所以
这个东西我认为它
不好说
它就是一个非常纯粹的 policy
的 effect
但是
什么可能是
因为这个东西它是一个固定的那么差值
所以说如果用δ-1减去δ0
就是说我们把这两个系数
再做一次线性组合
那么用这个政策发生之后
一期
两组的差值再减去政策
发生当期两组的差值
那么这个差值它就一定是
policy effect
的一个主要部分
这个我们也是反复讨论
认为应该是这样的一个
理解
刚才是**问的问题是吗
好的 谢谢老师
然后我是**
你看看这个不行
耳朵还不够啥尖
听声音还是分辨的不行
希望说清楚了
所以说如果你们去看关于
多组多期DID的
用这种模型来做的研究
它们一般就只报告公式的系数
为什么 因为大家都不好说
这个东西它就是policy
effect
但是它再做一次差值
那么这个就类似于又做了一次差分是吧
因为第一本来就是一个
两个dummy的一个乘积了
我们看从定义就可以看出来
然后
已经算是
做了差分了
但是因为刚才这样的一个复杂的情况
中心化的这种复杂性
那么我觉得应该再做一次差分才是
policy effect
好
咱们接着往下走
然后我们组的最后一题是关于有同学问道
如果 δ1显着的话
如何判断这是违背了common time trend的假设
还是由于
spillover政策期望引起的
然后我这里写的不是很准确
其实我是想想说就是说
在这个公式里面
如果我们看到了 δ1它是显着的
这个可能是一个统计意义上的表现
而这个表现它背后的原因是什么呢
它背后的原因之一可能是
由于政策期望引起的
也可能是它确实违背了 common
trend
它是表现的原可能原因之一
而我们能看到的是δ1显著
所以说
我感觉这个问题中的这两点
是两个可能的原因
而不是相互矛盾的一个事情
然后我的解释就到这
好 这个大家都听清楚了
这个公式它确实只能是说一个数学关系
但是背后的原因是什么
要具体分析到底是它们处理差异还是
spillover 的差异
还是有policy effect对不对
这就是placebo为什么
可以用在不同的时间阶段
-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