5.9 Fuzzy RD 3在线视频

好

那么我们来看这个是研究

中给出的回归结果

123列是ols的回归结果

大家可以看到红色框里面是它们的系数

当然因为加入了控制变量不一样

它们这个系数

我们会发现怎么样

会有很大的变化 对不对

尤其是

只有一个

regressor

只有class size

这一个变量的时候 大家看一下

它的系数是多少

找个同学回答一下好不好

光我一个人说

来

我们哪个同学愿意主动的跟我对话一下

同学们

随机点个名

**

**来

来说一下第一个例子

根据你的观察123列这个

系数具有什么样的特点

它都是一个正数

然后的话就说

如果它括号里面是标准误

然后的话可以自己算一下显著程度

然后

都是正数

这三个正数差别大不大

还挺大的

特别是

第一列的就跟第二列第三列的大的多

然后你有什么判断吗

它就是说班级规模的话

因为第二年第三年加入了很多的

它是加入的是控制变量还是什么东西

然后就说

加入控制变量

对

就是说可能加入控制变量以后

然后它效应就变小了

就说明它 OLS估计应该

说是是有很多偏差的我感觉

对 说挺好的

就是你看第一列它系数

第一个是正的对不对

也就是说

这个班额越大

它的阅读成绩越好

是不是这个意思

对

而且是显著的对吧

但是没有任何控制变量

但是当我们加入一些很

重要的控制变量之后

这个系数你应该说什么

应该是在迅速的shrink

to zero

对不对

迅速的趋近于0了

从0.3这样的一个

0.3还是挺大的一个系数

从0.3变到0.019

而且它又不显着

因为它标准误是0.04对不对

那么其实它就是跟0没有显著差异了

可以这样讲

所以我们可以看到内生解释变量的系数

它的特点是不是不稳定

然后

明显是内生的

因为我们讲了往往是一些好学校好的班级

大家都愿意往里挤

那么这个时候看上去好像是班额越大

成绩越好 是不是

好 谢谢**

那么

下面后面的从第4列到第8列

用的两阶段最小二乘法

其中四五列是用的full sample

然后678列

用的就是discontinuity

sample

也就是说我们规定了一个很小

的带宽之后来去看的

我们再找一位同学

来解释一下

你看到的

这个系数它有什么样的规律

来 随机点名

来 **

**

你观察第4列到第8列的

系数有什么样的规律

第4列到第8列的系数都是负的

然后我猜想是不是把它带进去就负负得正了

把谁带进去

两阶段这么一综合

对吧

不用猜想就想用了工具变量法

我们是为了解决什么问题

解决选择偏误的问题

对

只要我们前面的模型设定没有问题

它肯定回答的

它肯定是可以解决选择偏误问题的

是不是

是 对

不用猜要推

那么现在负的系数跟前面

OLS的正的系数

你更相信哪一组系数

其实我更相信于前面的一种

正的吗

负的就是班级越小

它的成绩越高

你 ok原因是什么

按常识

常识

常识是什么

就是什么常识

我自己猜班级规模越小

它可能表现的越好

这个“越”字儿是一个相关系

是对一个相关关系的描述

对不对

我们要的是一个因果关系

因果关系它是对一个机制的

一个描述

对吧 但是因有果

你刚才说的这个是一个相关关系

还是一个因果关系

我想表达的是因果关系

好那么比较小

所以它可能各种资源可能就

对每个同学平均的投入可能就比较多

所以因此他们的成绩

表现就越好

对

你这段话就说的是一个机制的问题

对吧

你可以说它是常识

也可以说是一个理论

对吧 你可以

理论就是一个有逻辑的故事是吧

一个解释

这个就是你对它的一个因果的关系的解释

对不对

是

好好 谢谢**

那么我们可以看到

选择不同的带宽

45列是没有选择带宽

跟

678列

选择

正负的带宽和±3更小的一个带宽

那么它们这个系数是不是

还是有一定的波动的

当然波动也跟控制变量的选取有关

但是整体它们都是负的

是不是

我们再来看一下

标准误

我们再找一个同学来看一下这个

标准误有什么样的规律

**

据你观察

第4列到第8列的标准误呈现什么规律呢

**在不在

老师听得到吗

可以了

好的

第4列的第8列标准误

我应该是一个

它更越来越大了

越来越大了

四五列是用的full sample

它的标准误

是0.092和0.113

然后后面我们用了带宽

选了带宽之后就是限制的样本量对不对

它这个标准误大家

**你觉得它是变大了对不对

对的

好好

谢谢**观察是

也是符合我们的观察的

所以大家可以看到

首先就是选择了带宽越小

样本量越少

它的标准误是会变大

第二大家可以看到

OLS这三个标准误

就是1~3列的标准误跟

后面的标准误整体来看

是不是用了工具变量法之后

它的标准误

整体是变大的

我们在工具变量法的时候讨论过

对不对

这是个系统性的变大

因为我们浪费了一些什么

我们牺牲了一些

efficiency来得到什么

来到得来得到无偏的估计

好 那么上面

我们基本上就是把

RD的整个估算

连着这个例子就一块都讨论完了