当前课程知识点：教育定量研究方法（高级） >  Weeks 13&14: HLM >  HLM >  6.25 PSM workshop Q&A 2

返回《教育定量研究方法（高级）》慕课在线视频课程列表

6.25 PSM workshop Q&A 2在线视频

返回《教育定量研究方法（高级）》慕课在线视频列表

6.25 PSM workshop Q&A 2课程教案、知识点、字幕

然后接下来的第5题是

它是否能够

h l m是否能够做出因果推断

这里先讲一下是否需要用hlm

来解决问题的一个场景

就是

当数据违反独立性假设的时候

它有一个

它的structure导致的差异

然后还有在同一个主题当中

某些个体当中

存在某些相关性

然后它都是违反了独立性假设

这个时候如果把

分组作为一个

dummy变量引进模型的话

也是

比较会面临两个问题

它每个

每个分组当中的数据量比较小的时候

然后还有

分组总数比较多的时候

都会导致n变小和p变大

这个时候传统方法比较不适合使用

这个时候就使用 hlm

或者混合模型

这个模型会根据

每个分组所包含的变量和样本量来平衡

这是我们为什么要使用hlm

然后接下来

h l m跟因果推断的关系

首先

我们在什么时候能够

使用因果推断

当我们能够控制非观测因素的和的时候

和

我们有比较强的理论基础的时候

我们才可以使用因果推断

我们讨论的结论是像

hlm 是可以进行因果推断的

但这是建立在模型正确跟线性

假设成立的基础上的

我们知道在实际的应用当中

hlm可能会忽略一些

交互效应和非线性的一个

因果关系

也就是说它不能够控制非观测因素

所以需要谨慎使用

我们现在常用的可能还是

最强的还是rct然后

观测在实际应用当中

常用的还是IV DID RD和PSM

来进行一些因果的推断

这个是

上一页 h lm咱们确实咱们

课上没有讲它的非线性方程

其实它也可以设定非线性方程的

非线性并不是

它的一个局限

确实要满足

假设就跟 OLS一样

如果是假设不满足的话就不行

好的 谢谢老师

第6题一共有4个问题

因为第一个小问题和第

三个小问题比较相近

我就把它们放在一块了

其实这两个问题问的就是

h l m的基本假设和它的适用范围

下一页对

的基本假设

其实在上一周的PPT里有提到

线性和正态的假设

但是刚才老师也说了

线性它不是一个很强的假设

因为

有一些二分的数据

它也可以使用多层线性模型这样的事

二分离散型的数据

它和观测变量之间通常也

不是简单的线性关系

这个时候就可以采用广义的多层线性模型

它的适用范围非常广泛

凡是具有嵌套和分层的数据

都可以使用多层线性模型

样本量就是大样本和小样本都可以

它们的区别就是可能

大样本

假设一般可以为保证这种

情况之下的假设检验

就比较简单

小样本情况下

假设检验的方法可能会比

大样本情况下比较复杂

很复杂

下一

对

在第6题里面还有一个问题

就是

关于

多重贡献性的问题

一些论文里提到有中心化

可以在一定程度上缓解多重贡献性的问题

然后在这本书里面

2015年的书它也

提到用中心化的方法来缓解共线性的问题

关于中心化

在老师PPT的第二部分今天应该会讲

然后下一页关于刚才模型

假设咱们课堂上讲过

conditional

independence这个是最

重要的

前面有同学提到过

关于多重共线的判断

最基础的就是看变量之间的线性相关

线性相关系数是不是很高

比如说高于0.7甚至高于0.8

直接看信息相关系数矩阵就可以了

然后

第三个问题就是关于多层线性

模型的优点以及局限性

在

2004年北大社会学上发

的一个它说得非常清楚

优点主要就是

因为

h l m它可以同时处理微观层次

和宏观层次之间的变量的关系

它的局限性主要是参数

估计方法的局限性和

它不能处理变量之间间接的影响关系

也不能处理

复杂的观测变量和浅变量之间的关系

就是这一篇文章可以

等会发给助教

助教查到网络学堂就

可以细看了 因为

一些叙述性的东西

然后第6题就结束了

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

6.25 PSM workshop Q&A 2笔记与讨论

也许你还感兴趣的课程:


  1. 数字电子技术II(2021秋)

  2. 编译技术(2021秋)

  3. 临床医学沟通学(2021秋)

  4. 3S野外实践教学(2021秋)

  5. 电子政务(2021秋)

  6. 供热工程(2021秋)

  7. 职场通识英语视听说(2021秋)

  8. 模拟电子技术基础(2021秋)

  9. 数学物理方程(2021秋)

  10. 生态学(2021秋)

  11. 教育定量研究方法（高级）(2021秋)

  12. 数学建模(2021秋)

  13. 财政与民生(2021秋)

  14. 传热与流体流动的数值计算(2021秋)

  15. 国际税收网链上的舞者(2021秋)

  16. 中国散打(2021秋)

  17. 制浆造纸机械与设备(2021秋)

  18. 教育学(2021秋)

  19. 果品加工贮藏(2021秋)

  20. 著作权法(2021秋)
© 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。