工具变量(IV)的简介
-
0:00 - 0:05[讲师] 因果推断之路既黑暗又危险
-
0:05 - 0:08但是计量经济学使用的“武器”是很厉害的
-
0:08 - 0:12当自然界给你偶然、随机分配时
-
0:12 - 0:16使用厉害与灵活多变的
工具变量进行攻克 -
0:24 - 0:26随机试验是完成
“其他条件不变”比较的 -
0:26 - 0:29最可靠途径
-
0:29 - 0:33但我们经常无法使用
这个功能强大的工具 -
0:33 - 0:37但是有时候，随机是偶然发生的
-
0:37 - 0:41这时候我们转向工具变量
-
0:41 - 0:42—简称IV
-
0:42 - 0:45- 工具变量
-
0:45 - 0:48- 今天的课是IV两节课的第一节
-
0:49 - 0:53我们的第一节IV课
从学校的故事开始 -
0:54 - 0:56- [Josh]特许学校属于公立学校
-
0:56 - 1:00这些学校不受日常学区监督
与教师工会合同约束 -
1:01 - 1:04特许学校能否提高成绩
-
1:04 - 1:05是美国教育改革史上
-
1:05 - 1:08最重要的问题之一
-
1:08 - 1:13- 最受欢迎的特许学校的申请人数
远多于学生名额 -
1:13 - 1:17因此必须通过抽签来决定
谁家孩子可被录取 -
1:17 - 1:21学生争夺机会时，面对很多风险
-
1:21 - 1:25正如获奖纪录片“等待超人”中
-
1:25 - 1:28所描述的那样
-
1:28 - 1:30等待结果时，心潮起伏
-
1:30 - 1:33- 别哭，你会让妈妈哭的
好吗？ -
1:37 - 1:41- 特许学校真的能提供更好的教育吗？
-
1:41 - 1:43评论家肯定会说"不是的"
-
1:43 - 1:47他们会争辩说
特许学校能夠招募更好 -
1:47 - 1:50更聪明或更主动的学生
因此未来结果的差异 -
1:50 - 1:52反映了选择性偏差
-
1:53 - 1:55- 等一下，这个似乎很容易
-
1:55 - 1:58在抽签过程中
我们会随机选择中奖者 -
1:58 - 2:00因此只比较中奖者及未中奖者
- 很明显 -
2:00 - 2:02- 卡马尔，你的想法是好的
-
2:02 - 2:04但是特许学校的抽签安排
-
2:04 - 2:08不会强迫学生们进入
或离开特定的学校 -
2:08 - 2:11特许学校的名额是随机分配的
-
2:12 - 2:13有些孩子很幸运
-
2:13 - 2:15有些孩子很不幸
-
2:15 - 2:17如果我们只是想知道
-
2:17 - 2:19特许学校名额分配的影响
-
2:19 - 2:22我们可以将其视为随机试验
-
2:23 - 2:26但是，我们只对特许学校
就学的情况 -
2:26 - 2:27感兴趣
-
2:27 - 2:28而不是录取
-
2:29 - 2:32并非所有获录取的学生
都会接受它 -
2:32 - 2:37IV将被录取为特许学校学生的影响
-
2:37 - 2:40转变为实际就读后的影响
-
2:40 - 2:42- 太酷了
- 哦，太好了 -
2:46 - 2:48- 让我们看一个例子
-
2:48 - 2:52这是一所执行“知识就是力量”专案
的特许学校，或简称为KIPP -
2:53 - 2:55这所KIPP特许学校位于林恩
-
2:55 - 2:59这是一座位于麻省海边的
颓废工业城镇 -
2:59 - 3:02这所学校的申请者多于学校名额
-
3:02 - 3:06因此他们要抽签来挑选学生
-
3:06 - 3:12从2005年到2008年
共有371名四年级以及五年级生 -
3:12 - 3:15参加了KIPP林恩的抽签
-
3:15 - 3:19当中253名学生KIPP获录取
-
3:19 - 3:22118名学生未获录取
-
3:22 - 3:26一年后，获录取者的数学分数
-
3:26 - 3:28比未获录取者高很多
-
3:28 - 3:30还记得吗
我们并不想了解 -
3:30 - 3:34获录取是否会提高
你的数学水平 -
3:34 - 3:38我们想知道的是
在KIPP是否使你的数学成绩改进 -
3:39 - 3:46在253位获录取者中
实际上只有199位到KIPP上学 -
3:46 - 3:49其他学生选择了传统的公立学校
-
3:50 - 3:56同样，在118名未被录取的学生中
事实上有一些最终参加了KIPP -
3:56 - 3:57他们后来也获录取
-
3:57 - 4:00那么，实际上参加KIPP
-
4:00 - 4:02对考试成绩有何影响呢？
-
4:03 - 4:05- 我们为什么不能只衡量
他们的数学成绩？ -
4:06 - 4:07- 这个问得好
-
4:07 - 4:09你将他们与谁进行比较呢？
-
4:09 - 4:11- 那些没有参加的学生
-
4:11 - 4:13- 上学是随机的吗？
-
4:14 - 4:16- 不是啊
- 选择性偏差 -
4:16 - 4:18- 对啊
- 什么？ -
4:18 - 4:23KIPP的录取是随机的，因此我们
对“其他条件不变”的假设充满信心 -
4:23 - 4:27但上学率不是随机的
-
4:27 - 4:31选择接受录取
-
4:31 - 4:33可能是与数学成绩有关的
-
4:33 - 4:36例如，有奉献精神的父母
-
4:36 - 4:39更有可能接受录取
-
4:39 - 4:41无论上哪个学校
-
4:41 - 4:44他们的孩子的数学成绩
都可能更好 -
4:44 - 4:45- 对啊
-
4:45 - 4:48- IV将录取的影响
-
4:48 - 4:51转化为KIPP上学率的影响
-
4:51 - 4:53并就一些获录取者到其他学校上学
-
4:53 - 4:57而一些未被录取者还是设法
参加了KIPP 而进行调整 -
4:57 - 5:01本质上，IV需要进行不完全的随机化
-
5:01 - 5:03并进行适当的调整
-
5:04 - 5:07如何呢？ IV描述了一种连锁反应
-
5:08 - 5:10为什么学校的录取会影响成绩？
-
5:10 - 5:13可能是因为这影响了
特许学校的上学率 -
5:13 - 5:17而特许学校的上学率
提高了数学成绩 -
5:17 - 5:21连锁反应的第一个环节
称之为“第一阶段” -
5:21 - 5:24是抽签对特许学校上学率的影响
-
5:24 - 5:28第二阶段是在特许学校就学
-
5:28 - 5:30以及结果变量之间的关联
-
5:30 - 5:32在此例中是数学分数
-
5:33 - 5:36工具变量或简称为“工具”
-
5:36 - 5:40是启动连锁反应的变量
-
5:41 - 5:44工具变量对结果的影响
-
5:44 - 5:47称为简化式
-
5:48 - 5:52这个连锁反应可以用数学表示
-
5:52 - 5:54我们用第一阶段
-
5:54 - 5:56即录取者对上学率的影响
-
5:56 - 5:58乘以第二阶段：
-
5:58 - 6:01上学率对分数的影响
-
6:01 - 6:03就得到简化式
-
6:03 - 6:06获录取对分数的影响
-
6:07 - 6:12简化式和第一阶段是可观察的
并且易于计算 -
6:12 - 6:15但是，上学率对成绩的影响
-
6:15 - 6:17并不能直接观察到
-
6:17 - 6:20这是我们试图确定的因果关系
-
6:21 - 6:24考虑到我们将在稍后进行讨论的
一些重要假设 -
6:24 - 6:26我们可以通过将简化式
除以第一阶段 -
6:26 - 6:29来找出KIPP上学率的影响
-
6:29 - 6:33通过示例，这点将会更加清楚
-
6:33 - 6:34- 让我们开始吧
-
6:37 - 6:39- 回顾一下有关计量的内容
-
6:39 - 6:42我们使用标准差来衡量成绩
-
6:42 - 6:45通常用希腊字母σ表示
-
6:45 - 6:49一个σ是从成绩分布曲线的低位15％左右
-
6:49 - 6:52到中间的大多数
-
6:52 - 6:55即使是¼或½ σ 也是很大的差异
-
6:56 - 6:58- 现在我们准备将一些数字
-
6:58 - 7:02带入到前面提及的方程式中
-
7:02 - 7:04首先，获录取对数学成绩
-
7:04 - 7:06有何影响呢？
-
7:06 - 7:09KIPP申请人的数学成绩
-
7:09 - 7:12在申请KIPP的前一年
-
7:12 - 7:14低于州平均值标准差的三分之一
-
7:14 - 7:18但是一年后，获录取者得分
达到了州平均水平 -
7:18 - 7:21而未被录取者
-
7:21 - 7:25仍然落后，平均分数近-0.36σ
-
7:26 - 7:30获录取者对分数的影响
是获录取者的分数 -
7:30 - 7:33与未被录取者分数之间的差异
-
7:33 - 7:36获录取者的平均数学成绩
-
7:36 - 7:38减去未被录取者的平均数学成绩
-
7:38 - 7:42你的答案是0.36σ
-
7:42 - 7:47接下来：获录取对真正去上学
有什么影响？ -
7:47 - 7:49换句话说，如果你获录取
-
7:49 - 7:51与未被录取相比
-
7:51 - 7:54你参加KIPP的可能性有多大？
-
7:54 - 7:58首先，获录取后
参加KIPP的百分比是多少？ -
7:58 - 8:01用参加KIPP的获录取者的人数
-
8:01 - 8:05除以获录取者的总数--那是78％
-
8:06 - 8:09要找出参加KIPP
而未被录取者的百分比 -
8:09 - 8:12我们将参加KIPP的
未被录取者的人数 -
8:12 - 8:17除以未被录取者的总数—即4％
-
8:17 - 8:22从78减去4，我们发现获录取
-
8:22 - 8:26会使你参加KIPP的可能性
提高了74％ -
8:26 - 8:29现在我们可以找到真正想要的数据
-
8:29 - 8:35用0.36除以0.74
以得到上学率对分数的影响 -
8:35 - 8:38参加KIPP可使数学成绩
-
8:38 - 8:42平均提高了0.48个标准差
-
8:42 - 8:45这是一项了不起的成就
-
8:45 - 8:47等于从成绩分布的底部三分之一
-
8:47 - 8:50提到了中间
-
8:50 - 8:51- 哇
-
8:51 - 8:53- 这些估算值适用于
-
8:53 - 8:55选择参加KIPP抽签的学生
-
8:55 - 8:58其记录因获录取而更改
-
8:58 - 9:01这不一定是所有林恩学生的
-
9:01 - 9:02随机样本
-
9:03 - 9:05因此我们不能假设
我们会对其他类型的学生 -
9:05 - 9:07得到相同的效果
- 嗯 -
9:07 - 9:10但是这种对KIPP学生的
敏锐度的影响 -
9:10 - 9:13可能很好地表明了
-
9:13 - 9:16增加额外的特许学校名额的后果
-
9:16 - 9:17- 很酷
- 明白 -
9:20 - 9:23- IV消除了选择性偏差
但是像所有其他工具一样 -
9:23 - 9:26这个解决方案是建立在
一系列的假设上的 -
9:26 - 9:28不应被视为理所当然
-
9:28 - 9:31首先，第一阶段必须是实质性的
-
9:31 - 9:36就是工具变量，获录取或未被录取
-
9:36 - 9:39都必须真正改变了我们感兴趣的变量
-
9:39 - 9:41这里就是KIPP上学率
-
9:41 - 9:45在这钟情况下，第一阶段
并不真的存在疑问 -
9:45 - 9:48获录取会使KIPP上学率的可能性更大
-
9:48 - 9:51并非所有IV故事都是这样的
-
9:51 - 9:54其次，工具变量
-
9:54 - 9:55必须是随机分配的
-
9:55 - 9:59意味着获录取者和未被录取者
具有相同特性 -
9:59 - 10:02这是独立性假设
-
10:02 - 10:06当然，KIPP的获录取者
实际上是随机分配的 -
10:06 - 10:10尽管如此，我们仍应检查
两者的情况 -
10:10 - 10:11并确认获录取者及未被录取者
-
10:11 - 10:14具有相似的家庭背景
相似的才能等 -
10:14 - 10:17从本质上讲，我们正在检查
以确保KIPP录取的公平 -
10:17 - 10:20获录取者没有明显的优势
-
10:21 - 10:24最后，我们要求工具变量
-
10:24 - 10:26仅会通过感兴趣的变量
来更改结果— -
10:26 - 10:28在此例中是参加KIPP
-
10:28 - 10:31这个假设称为“排斥限制”
-
10:33 - 10:38- 仅当这三个假设都符合时
IV才有效 -
10:38 - 10:40- 我不明白“排斥限制”
-
10:41 - 10:43上KIPP不能提高数学
-
10:43 - 10:45而是获录取提高数学成绩呢？
-
10:45 - 10:47- 对啊？
- 很好的问题 -
10:47 - 10:51假设获录取者只是为了赢
-
10:51 - 10:55而这种幸福感促使他们
更努力学，学习更多的数学 -
10:55 - 10:57不管在哪个学校上学
-
10:57 - 11:00这将违反“排斥限制”
-
11:00 - 11:04因为获录取的动机是第二种渠道
-
11:04 - 11:07获录取可能会影响考试成绩
-
11:07 - 11:10虽然很难完全排除这个可能性
-
11:10 - 11:12在KIPP研究中
-
11:12 - 11:14没有其他渠道的证据
-
11:18 - 11:23- IV解决了诸如KIPP抽签之类的
选择性偏差问题 -
11:23 - 11:25而抽签是随机的
-
11:25 - 11:27但其中一些选择退出
-
11:28 - 11:32这种有意但不完整的随机分配
-
11:32 - 11:33非常普遍
-
11:33 - 11:36即使是随机临床试验也有这样的
-
11:37 - 11:40IV解决了抽奖或临床研究中
-
11:40 - 11:43非随机占用的问题
-
11:43 - 11:47但是抽奖并不是引人注目的
唯一工具变量 -
11:47 - 11:49很多因果问题
-
11:49 - 11:51可以通过自然发生来解决
-
11:51 - 11:54和随机分配变量一样好用
-
11:55 - 11:57这里有一个因果问题：
-
11:57 - 11:59在职业生涯早期，生儿育女的女性
-
11:59 - 12:02是否因此蒙受巨大收入损失？
-
12:03 - 12:05毕竟，女性的收入低于男性
-
12:06 - 12:09当然我们可以简单地
-
12:09 - 12:11对养育较多或较少孩子的女性的收入
进行比较即可 -
12:11 - 12:14但是，这样的比较充满了
选择性偏差 -
12:15 - 12:17如果可以的话，我们可以
将婴儿随机 -
12:17 - 12:19分配到不同的家庭
-
12:19 - 12:22对啊，听起来不错
-
12:22 - 12:27我们的下一个IV故事
—梦幻而不是幻想 -
12:27 - 12:30将会描述一个适合家庭的
-
12:30 - 12:32自然且神奇的工具变量
-
12:35 - 12:38你正在掌握计量经济学
-
12:38 - 12:40请回答一些练习问题
-
12:40 - 12:43来确保记得这个视频的内容
-
12:43 - 12:46或者，如果准备好了
请单击以观看下一个视频 -
12:47 - 12:50你也可以访问MRU网站
以获取更多课程 -
12:50 - 12:52及教师资源等
- Title:
- 工具变量(IV)的简介
- Description:
-
more » « less
- Video Language:
- English
- Team:
Marginal Revolution University
- Project:
- Mastering Econometrics
- Duration:
- 12:57
|
Jing Peng edited Chinese, Simplified subtitles for Introduction to Instrumental Variables (IV) | |
|
|
Jing Peng edited Chinese, Simplified subtitles for Introduction to Instrumental Variables (IV) | |
|
William Choi edited Chinese, Simplified subtitles for Introduction to Instrumental Variables (IV) | |
|
|
William Choi edited Chinese, Simplified subtitles for Introduction to Instrumental Variables (IV) | |
|
|
William Choi edited Chinese, Simplified subtitles for Introduction to Instrumental Variables (IV) | |
|
|
William Choi edited Chinese, Simplified subtitles for Introduction to Instrumental Variables (IV) | |
|
|
William Choi edited Chinese, Simplified subtitles for Introduction to Instrumental Variables (IV) | |
|
|
William Choi edited Chinese, Simplified subtitles for Introduction to Instrumental Variables (IV) |