当前课程知识点：教育定量研究方法（高级） >  Weeks 13&14: HLM >  HLM >  7.5 Estimation 2

返回《教育定量研究方法（高级）》慕课在线视频课程列表

7.5 Estimation 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

7.5 Estimation 2课程教案、知识点、字幕

好

那么这个就是shrinkage estimator

也叫

也叫这个是贝叶斯估计

那么第二种

β0j和y

β0j和yj的区别

β0这是样本的参数

大家想β0这是个参数

它是真实值

真实值是我们

观测不到的

歪点

这把是样本的均值

但是

能不能用样本的均值来去估算

β0j真实值

是不一定的

是不是

所以说探讨我什么时候更多的依赖于

歪点这把

样本的均值样本均值是一个统计值

β0这是一个参数

它是一个

真实值

大家想一下我们之前是不是直接用的

对于整个样本我没有考虑这些分组的时候

我们是不是就是用样本均值

来去估算的

β0这样是吧

但是在这里我们考虑一个

组间跟组内的问题

因为

我们在一个学校的样本

是不是能够代表这个学校它得真实值呢

要看这个学校的样本跟整体样本的关系

对吧

也就是刚才我们说的组内

和组间的方差的关系

如果各个学校之间的均值

没有太大的差别

所有的variation

都来自于学校内部

这个就是完全随机的这种情况

就是相当于

λ等于0的情况

这个时候我其实没有必要只

依赖于这一个学校的均值

对不对

因为这一个学校的样本量是有限的

我其实更多的可以依赖于整个样本的均值

就是γ00

但是

每一个学校之间的差异特别大的时候

学校内部的差异相对小一些

学校之间的差异比较大

这个也是现实中经常会

看到的这样一种现象

所谓教育不均衡就这种现象

这个时候我就很难用整个样本的均值

来去估算每一个

学校的β0j这样的一个参数

我就会更多的依赖样本均值

歪零j歪点j拔

来去估算

β0j

这个是

他们的关系就是这样子的

一个是样本统计量

一个是待估参数

待估参数到底等能或者说我们

能不能用样本统计量

同来去估算待估参数

我们讨论就是这个问题

我们给他有多大的信心

reliability

对吧 人大背景就是可信度的问题

我到底给

样本这个公平多大的信心

用它来去估算我的β0j

它就是一个估算的精度跟估算的

准确度就是无偏性的这样的一个推导

不知道解释清楚没有

这个是可以推导的

大家来看书

因为确实我们没有

足够的时间去展开的去讲

我讲的就是一个思想

你们去看 hlm这本教科书

相关的这一章节

非常系统的讲的这样的一个推导过程

好吧

如果有必要的话

我们下节课你可以再讨论一些

细节

好

有事干了3组和4组同学

估计这几个问题就要回答一下

好

简单提一下第二种方法

那么第二种方法是极大似然

估计这张图是我们

之前回顾回归的时候提到过的

说白了就是我们

把似然方程写出来

然后我来最大化它的似然值就可以了

那么在这个里面

当然它是因为是两两层模型的话

我们其实就是一个

这样的一个嵌套的这样的

这个似然函数

这里面既包括

outcome

的distribution

也包括 random

比如intercept

它的

概率密度函数

是

两个函数的乘积

对他进行求积分

来去计算它的似然函数值

布置给大家整都掌握

有基础的同学你可以看一下

没这个基础科学没有关系

那么这个就是说白了写出来

它的极大似然函数

写出

写出似然函数

然后求极值就可以了

那么这个里面的待估参数是ω

我们把它给

在求极值的过程中求出来

这里面是两阶段的概率密度函数

好 可以

不用掌握

如果你感兴趣的话

有什么问题可以再提出来

好

我们今天就准备讲到这儿

后面有几部分

第一个是三阶段方程的建模

第二个是中心化

第三个是增长函数

第4个是元分析

我们下节课应该可以讲完

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

7.5 Estimation 2笔记与讨论

也许你还感兴趣的课程:


  1. 创意思维(2021秋)

  2. 园林树木学(2021秋)

  3. 数值分析(2021秋)

  4. 生理与遗传学基础(2021秋)

  5. 服装图案设计(2021秋)

  6. 音乐鉴赏(2021秋)

  7. 网络安全-应用技术与工程实践(2021秋)

  8. 地理信息系统开发基础(2021秋)

  9. 嵌入式软件设计(2021秋)

  10. 船舶无线电通信系统安装与操作(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。