当前课程知识点:教育定量研究方法(高级) > Weeks 13&14: HLM > HLM > 7.21 HLM workshop 3
跑出来的同学
看一下这个结果
对照刚才大家写的 combined
model的公式
来看一下每一个变量的系数分别是原来的
两阶段方程里
谁的系数
Covariance un
它不是不相关
刚才说错了
是unstructured不去
不去定义它的
允许它相关
好 我们找一位同学
来跟大家解读一下 好不好
我们找一位
没有签到的同学
**没有签到还是我这边
看的有问题
请**回答一下好不好
老师就可以听到吗
可以了
请你来给大家解读一下回归结果怎么去
讨论好吧 怎么去理解
我这边跑出来看到
新的结果和原先的
和原先的
这个模型结果的话
它首先是
核心的Cses变自变量的系数好像是
还是有点不一样
跟谁的结果不一样
跟上上一个没有再加入其它变量这个
先不用跟别的模型对比
你就先说一下这些系数分别是谁是什么
对照两两层的模型
比如说的系数是什么
我们在 do file里写
清楚了这些系数的名字了
就可以对着说就行
好的
那就是对照我们刚才写出来
combined model的
系数
然后第一个
要挨个说 第一个就是
就是5.3的
它是哪一层的变量
它的系数
叫什么
它是
它是第二层
第二层
加入的这个是什么
您
它是二比如说第二层它有两个方程对吧
一个是 intercept as
outcome model
一个是
slope as outcome
model
它是第二层
哪个模型里的哪个系数
这么说
也可以看一下刚才**
发在讨论区里面的
combined model
因为它系数名是没有变化的
可以参考
一第一个它的意思应该就是第二层的
intercept的
系数
第二层的intercept as
outcome里面
这个的系数对不对
mean ses出来两次
它在两个模型里都有 对不对
你要说清楚它是用哪个模型里的系数
它下面还和Cses有一个教程的
它就是
在第二层的slope as
outcome里面
出现第二次的 mean ses的系数
它们解释的是不是一个东西
一个在解释斜率
一个在解释截距是吧
对 好
sector
Sector的话在level
two in the
subject outcome里面
和上面的是同一个
同一层同一个模型里面
sector
的系数
然后它下面对应也有一个
跟Cses造成的
就说明这一项的话
也是在第二层的变斜率的模型
里面
出现的系数
还有一个Cses
对Cses的话就是在第一层
第一层的就是最开始的自
变量cses的系数
好
constant是谁
constance
第
二第二层里面的
加入的
constant
第二层的γ00
β00对不对
对
好好
谢谢**
所以大家看一下你对照着这个结果在对
照着你写的 combined
model
在对照之前的两阶段两层的
full model
是不是就可以看到
每一个参数待估参数跟我们最后
估算出来的结果的对应关系
那么以及它除了点估计之外
还做了假设检验
它的
standard error, p value都报告出来了
大家就可以对这样的一组系数
分别进行
假设检验
那么第二张表还是刚才我们解释过的
random effect
它是unstructured的 刚才我
说的
就我们specified
variance一个un它不是说不
相关
是unstructured
允许它相关
那么就包括
斜率的方差
第二层的残差项的方差
以及它们俩的相关它们俩的协方差
在下面 residual的方
差是第一层的残差项的方差
也都把它估算出来了
所以说整个这一套模型里面
所有的待估的这些参数
不论它是系数还是残差
我们都把它估算出来了
有没有问题 同学们
大家注意一下
来看一下就这个地方
当我认为它的斯诺夫在第
二层可以变化的时候
我是一共又增加了一个新的残差
就是μ1j
原来是μ0j
所以说我们有三个待估的残差项
一个是εij
一个是μ0j
一个是μ1j
μ1j
由它写的是
变量 c s e s
这个就是μ1j对应的方差
要搞清楚
有没有问题
没有问题
咱就休息5分钟
同学们休息到
11:35
我们这节课比较长
休息到11:35
顺便你换一个数据
我们多层模型就算讨论完了
我们开始讨论增长模型
换一个数据换
-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