0:00:01.425,0:00:05.015
- [讲解员] 在掌握计量经济学的道路上

0:00:05.619,0:00:08.813
小徒弟Kamal也取得了巨大的进步

0:00:08.813,0:00:13.662
他充分发挥了自己的能力[br]战胜了他的敌人

0:00:14.223,0:00:16.640
可惜今天，他情绪低落

0:00:16.640,0:00:19.614
因为有一项挑战尚未解决：

0:00:19.614,0:00:24.230
Kamal还无法解读[br]学术研究期刊的论文

0:00:24.230,0:00:27.347
比如《美国经济评论》

0:00:27.347,0:00:29.317
和《计量经济学》等期刊

0:00:29.317,0:00:33.501
在他看来，这些似乎是用[br]晦涩难懂的外语写的

0:00:33.501,0:00:35.478
- [Kamal] 怎么回事...？

0:00:36.711,0:00:40.349
-[讲解员] 对于新手Kamal来说[br]它们是模糊不清的

0:00:40.349,0:00:42.205
但可以通过学习来解析

0:00:42.467,0:00:45.109
让我们一起来阅读，学习

0:00:48.311,0:00:51.712
随机对照试验

0:00:52.657,0:00:53.984
让我们深入研究

0:00:53.984,0:00:58.278
发表在《教育经济学评论》上的[br]西点军校的研究

0:00:58.658,0:01:01.688
此论文讲述了[br]对“经济学101”的学生

0:01:01.688,0:01:05.859
是否使用电子设备进行了随机评估

0:01:06.485,0:01:09.192
首先，快速回顾其研究设计

0:01:09.423,0:01:10.523
- 好的

0:01:11.553,0:01:15.770
- [Josh] 在西点军校-[br]一所专门培训美国陆军军官的学院

0:01:15.770,0:01:17.199
计量学大师们

0:01:17.199,0:01:19.854
设计了一项随机试验[br]以回答这个问题

0:01:20.582,0:01:22.383
按照不同的规则

0:01:22.383,0:01:26.974
这些大师随机分配学员[br]到经济学的不同班级

0:01:27.116,0:01:28.962
与大多数美国大学不同

0:01:28.962,0:01:32.155
西点军校本来的规定是[br]不许使用电子设备

0:01:32.482,0:01:36.324
为了这个实验[br]一些学生获得了特许

0:01:36.324,0:01:38.679
不在这种传统、无电子产品的班里：

0:01:38.679,0:01:41.911
没有笔记本电脑，没有平板电脑[br]没有手机！

0:01:43.324,0:01:45.743
这是对照组，或基准

0:01:46.372,0:01:49.292
另一组被允许使用电子产品

0:01:49.292,0:01:52.704
这就是实验组[br]受制于一个变化了的环境

0:01:53.313,0:01:56.000
在此，实验组可以在课堂上

0:01:56.000,0:01:58.527
无限制地使用笔记本电脑[br]或平板电脑

0:01:59.195,0:02:01.972
每一个因果问题[br]都有一个明确的结果

0:02:01.972,0:02:05.379
我们在研究之前就已定义[br]希望影响的变量

0:02:06.058,0:02:08.375
在西点军校[br]使用电子产品的结果

0:02:08.375,0:02:10.124
是看期末考试的分数

0:02:10.535,0:02:13.810
该研究的目的是为回答以下问题：

0:02:13.810,0:02:17.629
用考试分数来衡量[br]在课堂使用电子设备

0:02:17.629,0:02:19.765
与学习的因果关系是什么？

0:02:20.852,0:02:25.787
- 经济学期刊文章[br]通常以描述性统计表格开头

0:02:25.994,0:02:28.694
列出研究样本的关键因素

0:02:28.694,0:02:32.129
- 我的天啊，我记得这个表 [br]太令人困惑了！

0:02:32.129,0:02:37.224
- [讲解员] 第一列到第三列报告平均特征

0:02:37.224,0:02:40.089
这样就能知道我们的研究对象

0:02:40.089,0:02:43.178
让我们从第一列开始

0:02:43.178,0:02:45.438
它描述了对照组的协变量

0:02:45.438,0:02:48.675
协变量是在实验开始之前测量的

0:02:48.675,0:02:52.091
对照组和实验组的特征

0:02:52.091,0:02:57.128
例如，我们看到对照组的平均年龄[br]略高于20岁

0:02:57.514,0:03:00.535
许多协变量都是虚拟变量

0:03:00.997,0:03:05.803
虚拟变量只能有两个值 --[br]0或1

0:03:06.087,0:03:10.298
例如，学生性别是虚拟变量

0:03:10.298,0:03:13.386
女性等于1，男性等于0

0:03:13.386,0:03:16.686
该变量的平均值为女性比例

0:03:17.104,0:03:20.651
我们还发现，对照组中[br]有13%是西班牙裔

0:03:20.651,0:03:23.905
19%服过兵役

0:03:24.817,0:03:26.635
表中的注释是关键

0:03:26.635,0:03:29.218
请在阅览表时参考这些

0:03:29.218,0:03:33.534
这些注释解释了[br]每列和每个面板中的内容

0:03:39.485,0:03:41.858
例如，这些注释告诉我们

0:03:41.858,0:03:45.175
标准偏差用括号注明

0:03:45.947,0:03:49.598
标准差告诉我们数据的离散情况

0:03:50.448,0:03:54.887
例如，0.52的标准差告诉我们

0:03:54.887,0:03:59.397
大多数对照组的GPA[br]落在2.35

0:03:59.397,0:04:03.454
也就是比2.87的平均GPA低0.52

0:04:03.454,0:04:08.337
和3.39之间[br]也就是比2.87高0.52

0:04:09.337,0:04:12.122
较低的标准偏差味着GPA

0:04:12.122,0:04:14.706
更紧密地聚集在平均值周围

0:04:14.706,0:04:17.543
-[Kamal] 是啊，但大多数变量[br]都没有标准偏差

0:04:17.543,0:04:18.600
-没错

0:04:18.600,0:04:22.497
大师们通常都会忽略[br]虚拟变量的标准偏差

0:04:22.497,0:04:26.500
因为变量的平均值[br]决定了其标准偏差

0:04:27.542,0:04:30.102
本研究将两个实验组

0:04:30.102,0:04:32.078
与对照组进行比较

0:04:32.078,0:04:35.886
第一组可以随便使用[br]笔记本电脑和平板电脑

0:04:35.886,0:04:38.252
第二个实验组的限制性强些

0:04:38.252,0:04:41.713
只允许将平板电脑[br]放在桌子上使用

0:04:42.152,0:04:45.238
实验组看起来与对照组很接近

0:04:46.694,0:04:51.443
这将带我们到该表的下一个特征[br]第四列到第六列

0:04:51.443,0:04:54.558
使用统计测试来比较实验前

0:04:54.558,0:04:57.591
实验组和对照组的特征

0:04:58.158,0:05:01.991
在第四栏中，两个实验组被合并了

0:05:01.991,0:05:04.998
可以看到实验组和对照组的

0:05:04.998,0:05:09.690
女性比例差异仅为0.03

0:05:10.508,0:05:13.740
这种差异在统计学上并不显著

0:05:14.290,0:05:17.440
在样本选择过程中

0:05:17.440,0:05:20.623
我们可以很容易地[br]将其归结为偶然结果

0:05:20.623,0:05:22.133
- 那我们怎么知道？

0:05:22.133,0:05:23.790
- [讲解员] 记得经验法则吗？

0:05:23.790,0:05:29.903
绝对值超出标准误差两倍的统计估计

0:05:30.108,0:05:33.997
通常在统计学上是有显著性的

0:05:35.132,0:05:38.766
标准误差为0.03

0:05:38.766,0:05:41.483
与女性比例差异相同

0:05:42.244,0:05:46.132
因此，后者与前者的比率仅为1

0:05:46.132,0:05:48.607
这当然小于2

0:05:48.607,0:05:51.451
- [Kamal] 哦！所以[br]表中的实验/对照差异

0:05:51.451,0:05:54.455
均不超过其标准误差的两倍

0:05:54.455,0:05:55.997
-[讲解员] 正确

0:05:55.997,0:05:59.081
随机划分的学生似乎成功地

0:05:59.081,0:06:01.945
创建了确实具有可比性的群体

0:06:02.846,0:06:05.008
因此，我们可以确信

0:06:05.008,0:06:07.774
课堂成绩随后的任何差异

0:06:07.774,0:06:11.073
都是实验干预的结果

0:06:11.073,0:06:14.754
而不是先前存在的差异的反映

0:06:14.754,0:06:17.454
做到了“其他条件不变”！

0:06:17.454,0:06:19.883
- [Kamal] 酷，等等

0:06:19.883,0:06:22.833
底部有星号的数字呢？

0:06:22.833,0:06:25.589
这些差异是标准误差的两倍以上

0:06:25.589,0:06:27.402
-[讲解员] 好眼力，Kamal！

0:06:27.402,0:06:29.386
该表中有许多数字

0:06:29.386,0:06:32.246
面板B中的也很重要

0:06:32.246,0:06:35.715
它们测量实验组和对照组的学生

0:06:35.715,0:06:39.139
在课堂上使用电脑的程度

0:06:39.754,0:06:42.873
这组的实验是允许电脑的使用

0:06:43.278,0:06:44.873
研究人员必须证明

0:06:44.873,0:06:47.079
被允许使用电脑的学生

0:06:47.079,0:06:49.448
利用了这个机会

0:06:50.072,0:06:53.033
如果他们没有使用，那就没有实验了

0:06:53.867,0:06:57.469
幸运的是，第一实验组中

0:06:57.469,0:06:59.472
81%的人使用了电脑

0:06:59.472,0:07:02.178
而对照组中没有人使用电脑

0:07:02.178,0:07:05.216
第二个平板电脑实验组的许多人

0:07:05.216,0:07:07.264
也使用了电脑

0:07:07.264,0:07:09.879
电脑的使用方面差异很大

0:07:09.879,0:07:11.798
而且具有统计显著性

0:07:12.081,0:07:15.428
我们还可以看到每组的样本量

0:07:15.428,0:07:18.098
- [Kamal] 星号是装饰吗？

0:07:18.098,0:07:21.421
-[讲解员]有些学术论文用星号来表示

0:07:21.421,0:07:23.983
在统计学上有显著性的差异

0:07:23.983,0:07:26.925
这可以引起人们的注意

0:07:26.925,0:07:31.621
这里，三个星号表示结果在统计上

0:07:31.621,0:07:35.672
p值偏离零假设的概率小于1%

0:07:35.672,0:07:39.436
换句话说，这个结果纯粹是偶然的

0:07:39.436,0:07:42.171
概率不到1/100

0:07:43.181,0:07:48.997
两个星号表示偶然发现的机率[br]为1/20或5%

0:07:48.997,0:07:52.469
一个星号代表[br]10%我们看到的结果

0:07:52.469,0:07:56.036
仅归因于偶然

0:07:56.473,0:07:59.957
如今，星号被视为有点过时

0:07:59.957,0:08:01.606
有些期刊把它们省略了

0:08:01.606,0:08:03.894
-[Kamal]那最后两列呢？

0:08:03.894,0:08:08.152
-[讲解员] 与将两个实验组[br]合并为一的第四列不同

0:08:08.174,0:08:13.876
后两列分别查看每个实验组的[br]实验/对照差异

0:08:14.572,0:08:17.931
这提供了更详细的平衡分析

0:08:18.295,0:08:21.288
另外，就目前而言[br]你可以忽略此行

0:08:21.288,0:08:24.205
它将用于另一项显著性[br]测试

0:08:24.755,0:08:29.402
现在我们来看看这篇文章的精华：[br]表四

0:08:30.075,0:08:32.993
此表报告电子设备的使用

0:08:32.993,0:08:37.273
对学生学习成绩影响的回归估计

0:08:37.273,0:08:40.258
-[Kamal] 为什么这项研究[br]报告回归估计？

0:08:40.258,0:08:42.529
这就是我不明白的原因

0:08:42.529,0:08:44.806
我以为[br]我们喜欢随机试验的一个原因是

0:08:44.806,0:08:48.320
只需比较实验组和对照组

0:08:48.320,0:08:50.479
就可以获得因果关系

0:08:50.479,0:08:53.883
由于这些组是平衡的[br]没有必要使用回归

0:08:53.883,0:08:55.492
-[讲解员] 说得好，Kamal

0:08:55.492,0:08:58.612
实际上，出于两个原因

0:08:58.612,0:09:01.013
报告回归估计是惯例

0:09:01.013,0:09:04.448
首先，尽管有证据表明[br]二者之间存在平衡

0:09:04.448,0:09:07.349
但如果过于谨慎[br]分析师可能会考虑到

0:09:07.349,0:09:09.678
二者之间的偶然性差异

0:09:09.678,0:09:13.622
其次，回归估计可能更为精确

0:09:13.622,0:09:16.509
也就是说，与简单的实验对照比较相比

0:09:16.509,0:09:18.893
它们具有更低的标准误差

0:09:20.129,0:09:22.526
本研究中的因变量

0:09:22.526,0:09:24.305
是我们感兴趣的结果

0:09:24.652,0:09:26.192
既然眼前的问题是

0:09:26.192,0:09:29.068
课堂电子设备如何影响学习

0:09:29.068,0:09:32.845
一个适合的结果[br]就是经济学期末考试的分数

0:09:33.406,0:09:37.650
每列报告不同回归模型的结果

0:09:37.650,0:09:40.476
除了实验组之外

0:09:40.476,0:09:44.453
模型还通过控制变量[br]或协变量进行区分

0:09:44.934,0:09:47.755
没有协变量的估计

0:09:47.755,0:09:50.677
是对实验组和对照组的简单比较

0:09:50.677,0:09:53.169
-[Kamal] 我还以为他们忘了填写呢

0:09:53.169,0:09:56.228
-[讲解员]第一列显示，电子设备的使用

0:09:56.228,0:10:00.835
使期末考试分数减少0.28标准差

0:10:01.547,0:10:02.940
在我们的上一课中

0:10:02.940,0:10:07.237
Joshway大师解释说[br]我们使用标准差单位

0:10:07.237,0:10:10.672
因为这些单位在不同的研究中很容易比较

0:10:11.352,0:10:12.642
第二列报告了

0:10:12.642,0:10:16.082
添加人口统计控制的模型的结果

0:10:16.082,0:10:19.907
在这里，我们比较测试分数[br]但持有不变的因素

0:10:19.907,0:10:21.435
如年龄和性别

0:10:21.886,0:10:23.202
第三列报告了

0:10:23.202,0:10:27.186
将GPA添加到协变量列表中的[br]模型的结果

0:10:27.603,0:10:30.822
第四列增加了ACT分数

0:10:30.822,0:10:33.503
分析师经常以这种方式报告结果

0:10:33.503,0:10:36.992
首先是包含很少或没有协变量的模型

0:10:36.992,0:10:39.667
然后逐列报告

0:10:39.667,0:10:43.586
添加越来越多协变量的模型估计值

0:10:44.035,0:10:46.802
逐列观察，你注意到了什么？

0:10:47.252,0:10:49.919
-[Kamal] 使用电脑的相关系数

0:10:49.919,0:10:51.635
总是一个相当大的负数

0:10:51.635,0:10:53.002
- [讲解员] 没错！

0:10:53.002,0:10:56.455
我们还可以看到，标准误差小到

0:10:56.455,0:11:00.561
足以使这些负面结果具有统计显著性

0:11:00.561,0:11:04.446
换句话说，这个实验的主要收获是

0:11:04.446,0:11:08.381
使用电子设备影响了学生的学习

0:11:09.000,0:11:12.283
- [Kamal] GPA和ACT的分数[br]也很显著

0:11:12.283,0:11:13.750
原因何在？

0:11:13.750,0:11:15.423
-[讲解员]观察的很好！

0:11:15.423,0:11:16.866
这并不奇怪

0:11:16.866,0:11:20.473
我们期望这些变量[br]能预测在大学里的表现

0:11:20.473,0:11:22.190
-[Kamal] 哦，没错

0:11:22.190,0:11:24.026
之前取得很好成绩的孩子

0:11:24.026,0:11:26.317
更有可能在这门课程中[br]取得较好的成绩

0:11:26.317,0:11:30.226
-[讲解员] 你还会注意到这表中的[br]许多其他信息

0:11:30.226,0:11:34.515
表中的其余面板报告了电子设备的使用

0:11:34.515,0:11:36.933
对期末考试组成部分的影响

0:11:36.933,0:11:39.816
如选择题

0:11:39.816,0:11:43.371
这些结果大多与电脑的使用

0:11:43.371,0:11:45.360
对总体得分的影响一致

0:11:45.360,0:11:47.740
-[Kamal] 那行不是英文的行呢？

0:11:47.740,0:11:50.994
-[讲解员] 它们提供了其他统计信息

0:11:50.994,0:11:54.247
r 平方是拟合优度的度量

0:11:54.714,0:11:56.638
尽管有些读者可能想知道

0:11:56.638,0:11:58.010
但这并不太重要

0:11:58.660,0:12:02.950
其他行报告具有统计显著性的替代测试

0:12:02.950,0:12:05.028
你目前也可以忽略

0:12:05.028,0:12:07.934
-[Kamal] 哦，我的天[br]这些表没有那么难嘛！

0:12:07.934,0:12:09.488
非常感谢您

0:12:09.488,0:12:11.787
-[讲解员] 接下来是要讲的是回归

0:12:11.787,0:12:13.179
再见！

0:12:15.974,0:12:17.263
♪ [音乐] ♪

0:12:17.263,0:12:20.575
你正在掌握计量经济学的路上

0:12:20.834,0:12:23.003
为确保自己能够记住这个视频里的内容

0:12:23.003,0:12:25.467
请回答一些快速的练习题

0:12:25.467,0:12:29.003
或者，如果你已准备好[br]请点按以观看下一个视频

0:12:29.003,0:12:31.728
你还可以查看MRU的网站

0:12:31.796,0:12:34.758
那里有更多课程、教师资源等