﻿[Script Info] Title: [Events] Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text Dialogue: 0,0:00:00.30,0:00:04.64,Default,,0000,0000,0000,,因果推断之路径既黑暗又危险 Dialogue: 0,0:00:05.14,0:00:08.02,Default,,0000,0000,0000,,但是计量经济学是很厉害的武器 Dialogue: 0,0:00:08.48,0:00:11.73,Default,,0000,0000,0000,,当自然界给你带来偶然的随机分配时 Dialogue: 0,0:00:11.73,0:00:15.80,Default,,0000,0000,0000,,使用气势汹汹与灵活多變的\N工具变量进行攻击 Dialogue: 0,0:00:19.39,0:00:21.09,Default,,0000,0000,0000,,[] Dialogue: 0,0:00:23.65,0:00:26.36,Default,,0000,0000,0000,,随机试验是完成\N“其他条件不变”的比较 Dialogue: 0,0:00:26.36,0:00:28.70,Default,,0000,0000,0000,,的最可靠途径 Dialogue: 0,0:00:28.70,0:00:32.64,Default,,0000,0000,0000,,但我们经常无法使用\N这个功能强大的工具 Dialogue: 0,0:00:33.22,0:00:36.94,Default,,0000,0000,0000,,但是有时候，随机是偶然发生的 Dialogue: 0,0:00:36.94,0:00:40.59,Default,,0000,0000,0000,,这时候我们转向工具变量 Dialogue: 0,0:00:40.59,0:00:41.94,Default,,0000,0000,0000,,—简称IV Dialogue: 0,0:00:41.94,0:00:44.51,Default,,0000,0000,0000,,工具变量 Dialogue: 0,0:00:44.51,0:00:48.19,Default,,0000,0000,0000,,今天的课堂是IV两节课的第一节 Dialogue: 0,0:00:48.96,0:00:52.80,Default,,0000,0000,0000,,我们的第一节IV课\N从学校的故事开始 Dialogue: 0,0:00:52.80,0:00:54.35,Default,,0000,0000,0000,,[] Dialogue: 0,0:00:54.35,0:00:56.14,Default,,0000,0000,0000,,特许学校是一些公立学校 Dialogue: 0,0:00:56.14,0:01:00.11,Default,,0000,0000,0000,,不受日常学区监督\N与教师工会合同约束 Dialogue: 0,0:01:00.90,0:01:03.51,Default,,0000,0000,0000,,特许学校能否提高成绩 Dialogue: 0,0:01:03.51,0:01:05.16,Default,,0000,0000,0000,,是美国教育改革史上 Dialogue: 0,0:01:05.16,0:01:07.76,Default,,0000,0000,0000,,最重要的问题之一 Dialogue: 0,0:01:08.14,0:01:12.56,Default,,0000,0000,0000,,最受欢迎的特许学校的申请人数\N远多于学位 Dialogue: 0,0:01:12.56,0:01:16.46,Default,,0000,0000,0000,,因此抽奖运决定了\N谁家孩子可获录取 Dialogue: 0,0:01:16.87,0:01:20.70,Default,,0000,0000,0000,,在学生争夺机会时需要面对很多风险 Dialogue: 0,0:01:20.70,0:01:25.00,Default,,0000,0000,0000,,正如获奖纪录片“等待超人”中 Dialogue: 0,0:01:25.00,0:01:27.83,Default,,0000,0000,0000,,所描述的那样 Dialogue: 0,0:01:27.83,0:01:29.70,Default,,0000,0000,0000,,等待结果时会产生很多种情绪 Dialogue: 0,0:01:30.26,0:01:32.92,Default,,0000,0000,0000,,别哭，你会让妈妈哭的\N好吗？ Dialogue: 0,0:01:37.50,0:01:40.62,Default,,0000,0000,0000,,特许学校真的能提供更好的教育吗？ Dialogue: 0,0:01:40.95,0:01:43.18,Default,,0000,0000,0000,,评论家肯定会说"不是的" Dialogue: 0,0:01:43.41,0:01:46.59,Default,,0000,0000,0000,,他们会争辩说特许学校\N能夠招募更好 Dialogue: 0,0:01:46.59,0:01:50.16,Default,,0000,0000,0000,,更聪明或更主动的学生\N因此以后结果的差异 Dialogue: 0,0:01:50.16,0:01:52.06,Default,,0000,0000,0000,,反映了选择性偏差 Dialogue: 0,0:01:52.60,0:01:54.73,Default,,0000,0000,0000,,等一下，这个似乎很容易 Dialogue: 0,0:01:55.14,0:01:57.64,Default,,0000,0000,0000,,在抽奖活动中\N我们会随机选择优胜者 Dialogue: 0,0:01:57.64,0:02:00.08,Default,,0000,0000,0000,,因此只比较赢家和输家\N很明显的 Dialogue: 0,0:02:00.08,0:02:01.78,Default,,0000,0000,0000,,在正确的轨道上，卡马尔 Dialogue: 0,0:02:01.78,0:02:04.38,Default,,0000,0000,0000,,但是特许学校的抽签安排 Dialogue: 0,0:02:04.38,0:02:07.56,Default,,0000,0000,0000,,不会强迫孩子们进入\N或离开特定的学校 Dialogue: 0,0:02:07.75,0:02:10.67,Default,,0000,0000,0000,,他们随机分配了特许学校的学位 Dialogue: 0,0:02:11.65,0:02:13.45,Default,,0000,0000,0000,,有些孩子很幸运 Dialogue: 0,0:02:13.45,0:02:14.97,Default,,0000,0000,0000,,有些孩子不是 Dialogue: 0,0:02:14.97,0:02:17.24,Default,,0000,0000,0000,,如果我们只是想知道特许学校 Dialogue: 0,0:02:17.24,0:02:19.20,Default,,0000,0000,0000,,所带来的影响 Dialogue: 0,0:02:19.20,0:02:22.42,Default,,0000,0000,0000,,我们可以将其视为随机试验 Dialogue: 0,0:02:22.72,0:02:24.68,Default,,0000,0000,0000,,但是，我们只对特许学校\N就学的影响 Dialogue: 0,0:02:24.68,0:02:27.04,Default,,0000,0000,0000,,感兴趣 Dialogue: 0,0:02:27.04,0:02:28.28,Default,,0000,0000,0000,,而对录取不感兴趣 Dialogue: 0,0:02:28.57,0:02:32.04,Default,,0000,0000,0000,,并非所有获录取的学生\N都会接受学位 Dialogue: 0,0:02:32.04,0:02:37.23,Default,,0000,0000,0000,,IV将被录取为特许学校学生的影响 Dialogue: 0,0:02:37.23,0:02:40.37,Default,,0000,0000,0000,,转变为实际就读特许学校的影响 Dialogue: 0,0:02:40.37,0:02:42.34,Default,,0000,0000,0000,,- 太酷了\N- 哦，太好了 Dialogue: 0,0:02:45.92,0:02:48.87,Default,,0000,0000,0000,,让我们看一个例子 Dialogue: 0,0:02:48.87,0:02:52.35,Default,,0000,0000,0000,,这是一所执行知识就是力量专案\N的特许学校，或简称为KIPP Dialogue: 0,0:02:52.74,0:02:54.94,Default,,0000,0000,0000,,这所KIPP特许学校位于林恩 Dialogue: 0,0:02:54.94,0:02:58.84,Default,,0000,0000,0000,,一座位于麻省海边的\N褪色工业城镇 Dialogue: 0,0:02:59.10,0:03:01.89,Default,,0000,0000,0000,,这所学校的申请者多于学位 Dialogue: 0,0:03:01.89,0:03:05.62,Default,,0000,0000,0000,,因此他们要抽签来挑选学生 Dialogue: 0,0:03:05.83,0:03:11.85,Default,,0000,0000,0000,,从2005年到2008年\N共有371名四年级以及五年级生 Dialogue: 0,0:03:11.85,0:03:15.35,Default,,0000,0000,0000,,参加了KIPP林恩的抽签 Dialogue: 0,0:03:15.35,0:03:18.80,Default,,0000,0000,0000,,当中253名学生KIPP获录取 Dialogue: 0,0:03:18.80,0:03:21.65,Default,,0000,0000,0000,,118名学生没有录取 Dialogue: 0,0:03:21.97,0:03:26.00,Default,,0000,0000,0000,,一年后，获录取者的数学分数 Dialogue: 0,0:03:26.00,0:03:27.85,Default,,0000,0000,0000,,比未获录取者更高 Dialogue: 0,0:03:27.85,0:03:30.47,Default,,0000,0000,0000,,我们并不是试图弄清楚 Dialogue: 0,0:03:30.47,0:03:33.80,Default,,0000,0000,0000,,获录取后是否会提高\N你的数学水平 Dialogue: 0,0:03:34.07,0:03:38.47,Default,,0000,0000,0000,,我们想知道参加KIPP\N是否会使你的数学成绩改进 Dialogue: 0,0:03:39.04,0:03:45.75,Default,,0000,0000,0000,,在253位获录取者中\N实际上只有199位到KIPP上学 Dialogue: 0,0:03:46.14,0:03:48.80,Default,,0000,0000,0000,,其他学生选择了传统的公立学校 Dialogue: 0,0:03:49.56,0:03:55.54,Default,,0000,0000,0000,,同样，在118名未被录取的学生中\N事实上有一些最终参加了KIPP Dialogue: 0,0:03:55.54,0:03:57.45,Default,,0000,0000,0000,,他们后来也获录取 Dialogue: 0,0:03:57.45,0:04:00.04,Default,,0000,0000,0000,,那么，实际上参加KIPP Dialogue: 0,0:04:00.04,0:04:02.38,Default,,0000,0000,0000,,对考试成绩有何影响呢？ Dialogue: 0,0:04:03.11,0:04:05.43,Default,,0000,0000,0000,,为什么我们不能只衡量\N他们的数学成绩？ Dialogue: 0,0:04:05.89,0:04:07.24,Default,,0000,0000,0000,,这是很好的问题 Dialogue: 0,0:04:07.24,0:04:09.30,Default,,0000,0000,0000,,你将他们与谁进行比较呢？ Dialogue: 0,0:04:09.30,0:04:11.11,Default,,0000,0000,0000,,那些没有参加的学生 Dialogue: 0,0:04:11.11,0:04:12.94,Default,,0000,0000,0000,,上学率是随机的吗？ Dialogue: 0,0:04:14.16,0:04:16.18,Default,,0000,0000,0000,,- 不是啊\N- 选择性偏差 Dialogue: 0,0:04:16.18,0:04:17.91,Default,,0000,0000,0000,,- 对啊\N- 什么？ Dialogue: 0,0:04:17.91,0:04:21.83,Default,,0000,0000,0000,,KIPP的录取是随机的，因此我们\N对“其他条件不变”的假设充满信心 Dialogue: 0,0:04:21.83,0:04:26.41,Default,,0000,0000,0000,,但上学率不是随机的 Dialogue: 0,0:04:26.64,0:04:30.63,Default,,0000,0000,0000,,选择接受录取通知 Dialogue: 0,0:04:30.63,0:04:32.98,Default,,0000,0000,0000,,可能是与数学成绩有关的特征 Dialogue: 0,0:04:33.25,0:04:36.16,Default,,0000,0000,0000,,例如，有奉献精神的父母 Dialogue: 0,0:04:36.16,0:04:38.96,Default,,0000,0000,0000,,更有可能接受录取 Dialogue: 0,0:04:38.96,0:04:42.65,Default,,0000,0000,0000,,无论上那间学校 Dialogue: 0,0:04:42.65,0:04:44.09,Default,,0000,0000,0000,,他们的孩子的数学成绩\N也有可能更好 Dialogue: 0,0:04:44.09,0:04:45.11,Default,,0000,0000,0000,,对啊 Dialogue: 0,0:04:45.11,0:04:47.72,Default,,0000,0000,0000,,IV将录取的影响 Dialogue: 0,0:04:47.72,0:04:50.57,Default,,0000,0000,0000,,转化为KIPP上学率的影响 Dialogue: 0,0:04:50.57,0:04:53.37,Default,,0000,0000,0000,,并就一些获录取者到其他学校上学 Dialogue: 0,0:04:53.37,0:04:56.57,Default,,0000,0000,0000,,而一些未被录取者还是设法\N参加了KIPP 而进行调整 Dialogue: 0,0:04:56.95,0:05:00.52,Default,,0000,0000,0000,,本质上，IV需要进行不完全的随机化 Dialogue: 0,0:05:00.52,0:05:03.01,Default,,0000,0000,0000,,并进行适当的调整 Dialogue: 0,0:05:03.68,0:05:07.11,Default,,0000,0000,0000,,怎么样？ IV描述了一种连锁反应 Dialogue: 0,0:05:07.64,0:05:10.34,Default,,0000,0000,0000,,为什么学校的录取会影响成绩？ Dialogue: 0,0:05:10.34,0:05:13.26,Default,,0000,0000,0000,,可能是因为这影响了\N特许学校的上学率 Dialogue: 0,0:05:13.26,0:05:16.64,Default,,0000,0000,0000,,而特许学校的上学率\N提高了数学成绩 Dialogue: 0,0:05:16.64,0:05:20.64,Default,,0000,0000,0000,,连锁反应的第一个环节\N称之为“第一阶段” Dialogue: 0,0:05:20.64,0:05:24.48,Default,,0000,0000,0000,,是抽签对特许学校上学率的影响 Dialogue: 0,0:05:24.48,0:05:28.45,Default,,0000,0000,0000,,第二阶段是在特许学校学 Dialogue: 0,0:05:28.45,0:05:30.15,Default,,0000,0000,0000,,以及结果变量之间的关联 Dialogue: 0,0:05:30.15,0:05:32.26,Default,,0000,0000,0000,,在这情况下，数学分数 Dialogue: 0,0:05:32.73,0:05:36.44,Default,,0000,0000,0000,,工具变量或简称为“工具” Dialogue: 0,0:05:36.44,0:05:40.25,Default,,0000,0000,0000,,是启动链式反应的变量 Dialogue: 0,0:05:40.98,0:05:43.99,Default,,0000,0000,0000,,工具变量对结果的影响 Dialogue: 0,0:05:43.99,0:05:46.63,Default,,0000,0000,0000,,称为简化式 Dialogue: 0,0:05:48.14,0:05:51.87,Default,,0000,0000,0000,,这个链式反应可以用数学表示 Dialogue: 0,0:05:51.87,0:05:54.24,Default,,0000,0000,0000,,我们乘以第一阶段 Dialogue: 0,0:05:54.24,0:05:56.35,Default,,0000,0000,0000,,即录取者对上学率的影响 Dialogue: 0,0:05:56.35,0:05:57.96,Default,,0000,0000,0000,,到第二阶段 Dialogue: 0,0:05:57.96,0:06:00.54,Default,,0000,0000,0000,,上学率对分数的影响 Dialogue: 0,0:06:00.54,0:06:02.71,Default,,0000,0000,0000,,我们得到简化式 Dialogue: 0,0:06:02.71,0:06:05.68,Default,,0000,0000,0000,,获录取对分数的影响 Dialogue: 0,0:06:06.78,0:06:11.57,Default,,0000,0000,0000,,简化式和第一阶段是可观察的\N并且易于计算 Dialogue: 0,0:06:11.75,0:06:14.88,Default,,0000,0000,0000,,但是，上学率对成绩的影响 Dialogue: 0,0:06:14.88,0:06:17.09,Default,,0000,0000,0000,,并未能直接观察到 Dialogue: 0,0:06:17.09,0:06:20.36,Default,,0000,0000,0000,,这是我们试图确定的因果关系 Dialogue: 0,0:06:21.04,0:06:23.83,Default,,0000,0000,0000,,考虑到我们将在稍后进行讨论的\N一些重要假设 Dialogue: 0,0:06:23.83,0:06:25.98,Default,,0000,0000,0000,,我们可以通过将简化式\N除以第一阶段 Dialogue: 0,0:06:25.98,0:06:29.26,Default,,0000,0000,0000,,来找出KIPP上学率的影响 Dialogue: 0,0:06:29.26,0:06:32.91,Default,,0000,0000,0000,,通过示例，这点将会更加清楚 Dialogue: 0,0:06:32.91,0:06:34.21,Default,,0000,0000,0000,,让我们做吧 Dialogue: 0,0:06:37.16,0:06:38.73,Default,,0000,0000,0000,,有关衡量的简短笔记 Dialogue: 0,0:06:38.73,0:06:41.74,Default,,0000,0000,0000,,我们使用标准差来衡量成就 Dialogue: 0,0:06:41.74,0:06:44.73,Default,,0000,0000,0000,,通常用希腊字母sigma (σ) 表示 Dialogue: 0,0:06:44.73,0:06:48.86,Default,,0000,0000,0000,,一个σ是从大多数成就分配的\N最低15％ Dialogue: 0,0:06:48.86,0:06:51.63,Default,,0000,0000,0000,,到中间位置的巨大变化 Dialogue: 0,0:06:51.63,0:06:55.41,Default,,0000,0000,0000,,甚至¼或½ σ 的差异也很大 Dialogue: 0,0:06:56.26,0:06:58.39,Default,,0000,0000,0000,,现在我们准备将一些数字 Dialogue: 0,0:06:58.39,0:07:01.66,Default,,0000,0000,0000,,插入到前面介绍的方程式中 Dialogue: 0,0:07:01.66,0:07:03.23,Default,,0000,0000,0000,,首先，获录取对数学成绩 Dialogue: 0,0:07:03.23,0:07:06.08,Default,,0000,0000,0000,,有何影响呢？ Dialogue: 0,0:07:06.35,0:07:10.42,Default,,0000,0000,0000,,KIPP申请人的数学成绩是 Dialogue: 0,0:07:10.42,0:07:11.84,Default,,0000,0000,0000,,申请KIPP之前一年中 Dialogue: 0,0:07:11.84,0:07:14.39,Default,,0000,0000,0000,,低于州平均值的标准差的三分之一 Dialogue: 0,0:07:14.39,0:07:18.32,Default,,0000,0000,0000,,但是一年后，获录取者得分\N达到了州平均水平 Dialogue: 0,0:07:18.32,0:07:21.48,Default,,0000,0000,0000,,而未被录取者 Dialogue: 0,0:07:21.48,0:07:25.50,Default,,0000,0000,0000,,仍然落后于平均分数-0.36σ Dialogue: 0,0:07:25.83,0:07:29.62,Default,,0000,0000,0000,,获录取者对分数的影响\N是获录取者的分数 Dialogue: 0,0:07:29.62,0:07:32.82,Default,,0000,0000,0000,,与未被录取者的分数之间的差异 Dialogue: 0,0:07:33.40,0:07:35.78,Default,,0000,0000,0000,,获录取者的平均数学成绩 Dialogue: 0,0:07:35.78,0:07:38.27,Default,,0000,0000,0000,,减去未被录取者的平均数学成绩 Dialogue: 0,0:07:38.27,0:07:41.50,Default,,0000,0000,0000,,你的答案是0.36σ Dialogue: 0,0:07:41.91,0:07:46.88,Default,,0000,0000,0000,,接下来：获录取对上学率\N有什么影响呢？ Dialogue: 0,0:07:46.88,0:07:49.19,Default,,0000,0000,0000,,换句话说，如果你获录取 Dialogue: 0,0:07:49.19,0:07:52.26,Default,,0000,0000,0000,,与未被录取相比 Dialogue: 0,0:07:52.26,0:07:53.46,Default,,0000,0000,0000,,你参加KIPP的可能性有多大？ Dialogue: 0,0:07:53.67,0:07:57.80,Default,,0000,0000,0000,,首先，有多少百分比的获录取者\N参加KIPP？ Dialogue: 0,0:07:57.80,0:08:00.77,Default,,0000,0000,0000,,用参加KIPP的获录取者的人数 Dialogue: 0,0:08:00.77,0:08:05.49,Default,,0000,0000,0000,,除以获录取者的总数—78％ Dialogue: 0,0:08:05.81,0:08:09.33,Default,,0000,0000,0000,,要找出参加KIPP\N而未被录取者的百分比 Dialogue: 0,0:08:09.33,0:08:12.33,Default,,0000,0000,0000,,我们将参加KIPP的\N未被录取者的人数 Dialogue: 0,0:08:12.33,0:08:16.86,Default,,0000,0000,0000,,除以未被录取者的总数—即4％ Dialogue: 0,0:08:17.38,0:08:21.60,Default,,0000,0000,0000,,从78减去4，我们发现获录取 Dialogue: 0,0:08:21.60,0:08:25.60,Default,,0000,0000,0000,,会使你参加KIPP的可能性\N提高了74％ Dialogue: 0,0:08:25.95,0:08:28.53,Default,,0000,0000,0000,,现在我们可以找到真正想要的数据— Dialogue: 0,0:08:28.53,0:08:34.55,Default,,0000,0000,0000,,用0.36除以0.74\N以得到上学率对分数的影响 Dialogue: 0,0:08:34.79,0:08:37.58,Default,,0000,0000,0000,,参加KIPP可使数学成绩 Dialogue: 0,0:08:37.58,0:08:41.61,Default,,0000,0000,0000,,平均提高了0.48个标准差 Dialogue: 0,0:08:42.13,0:08:44.50,Default,,0000,0000,0000,,这是一项了不起的成就 Dialogue: 0,0:08:44.50,0:08:47.38,Default,,0000,0000,0000,,等于从成就分布的底部三分之一 Dialogue: 0,0:08:47.38,0:08:49.92,Default,,0000,0000,0000,,移到中间 Dialogue: 0,0:08:49.92,0:08:51.08,Default,,0000,0000,0000,,哇，半a sig Dialogue: 0,0:08:51.08,0:08:53.51,Default,,0000,0000,0000,,这些估算值适用于 Dialogue: 0,0:08:53.51,0:08:54.78,Default,,0000,0000,0000,,选择参加KIPP抽签的学生 Dialogue: 0,0:08:54.78,0:08:57.76,Default,,0000,0000,0000,,其注册状态因获录取而更改 Dialogue: 0,0:08:57.98,0:09:00.62,Default,,0000,0000,0000,,这不一定是所有林恩学生的 Dialogue: 0,0:09:00.62,0:09:02.28,Default,,0000,0000,0000,,随机样本 Dialogue: 0,0:09:02.54,0:09:05.04,Default,,0000,0000,0000,,因此我们不能假设\N我们会对其他类型的学生 Dialogue: 0,0:09:05.04,0:09:07.33,Default,,0000,0000,0000,,看到相同的效果\N- 嗯 Dialogue: 0,0:09:07.33,0:09:10.22,Default,,0000,0000,0000,,但是这种对KIPP学生的\N敏锐度的影响 Dialogue: 0,0:09:10.22,0:09:13.37,Default,,0000,0000,0000,,可能很好地表明了 Dialogue: 0,0:09:13.37,0:09:15.77,Default,,0000,0000,0000,,增加额外的特许学校学位的后果 Dialogue: 0,0:09:15.77,0:09:17.22,Default,,0000,0000,0000,,- 很酷\N- 知道了 Dialogue: 0,0:09:19.63,0:09:23.35,Default,,0000,0000,0000,,IV消除了选择性偏差\N但是像所有其他工具一样 Dialogue: 0,0:09:23.35,0:09:25.62,Default,,0000,0000,0000,,这个解决方案建立在\N一系列不应被视为 Dialogue: 0,0:09:25.62,0:09:27.54,Default,,0000,0000,0000,,理所当然的假设的基础上 Dialogue: 0,0:09:28.10,0:09:31.46,Default,,0000,0000,0000,,首先，第一阶段必须是实质性的 Dialogue: 0,0:09:31.46,0:09:35.56,Default,,0000,0000,0000,,就是工具变量，获录取或未被录取 Dialogue: 0,0:09:35.56,0:09:39.06,Default,,0000,0000,0000,,都必须真正改变了我们感兴趣的变量 Dialogue: 0,0:09:39.06,0:09:41.03,Default,,0000,0000,0000,,这里就是KIPP上学率 Dialogue: 0,0:09:41.30,0:09:44.59,Default,,0000,0000,0000,,在这情况下，第一阶段\N并不是真的存在疑问 Dialogue: 0,0:09:44.59,0:09:47.89,Default,,0000,0000,0000,,获录取会使KIPP上学率的可能性更大 Dialogue: 0,0:09:48.39,0:09:50.63,Default,,0000,0000,0000,,并非所有IV故事都是这样的 Dialogue: 0,0:09:51.32,0:09:53.70,Default,,0000,0000,0000,,其次，工具变量 Dialogue: 0,0:09:53.70,0:09:54.93,Default,,0000,0000,0000,,必须和随机分配的一样好 Dialogue: 0,0:09:54.93,0:09:58.72,Default,,0000,0000,0000,,意味着获录取者和未被录取者 Dialogue: 0,0:09:58.89,0:10:01.56,Default,,0000,0000,0000,,这是独立性假设 Dialogue: 0,0:10:01.98,0:10:05.72,Default,,0000,0000,0000,,当然，KIPP的获录取者\N实际上是随机分配的 Dialogue: 0,0:10:05.72,0:10:09.66,Default,,0000,0000,0000,,尽管如此，我们仍应检查\N自己的平衡度 Dialogue: 0,0:10:09.66,0:10:11.49,Default,,0000,0000,0000,,并确认获录取者及被录取者 Dialogue: 0,0:10:11.49,0:10:13.59,Default,,0000,0000,0000,,具有相似的家庭背景\N相似的才能等 Dialogue: 0,0:10:13.59,0:10:16.97,Default,,0000,0000,0000,,从本质上讲，我们正在检查\N以确保KIPP录取的公平 Dialogue: 0,0:10:16.97,0:10:20.06,Default,,0000,0000,0000,,获录取者没有可疑 Dialogue: 0,0:10:21.37,0:10:24.37,Default,,0000,0000,0000,,最后，我们要求工具变量 Dialogue: 0,0:10:24.37,0:10:26.09,Default,,0000,0000,0000,,仅会通过感兴趣的变量\N来更改结果— Dialogue: 0,0:10:26.09,0:10:28.10,Default,,0000,0000,0000,,在这情况下，参加KIPP Dialogue: 0,0:10:28.30,0:10:31.37,Default,,0000,0000,0000,,这个假设称为“排斥限制” Dialogue: 0,0:10:32.95,0:10:37.50,Default,,0000,0000,0000,,仅当这三个假设都符合时\NIV才有效 Dialogue: 0,0:10:38.03,0:10:40.42,Default,,0000,0000,0000,,我不明白排斥限制 Dialogue: 0,0:10:40.92,0:10:43.60,Default,,0000,0000,0000,,除了参加KIPP外 Dialogue: 0,0:10:43.60,0:10:45.24,Default,,0000,0000,0000,,获录取还会如何影响数学成绩呢？ Dialogue: 0,0:10:45.24,0:10:47.23,Default,,0000,0000,0000,,- 对啊\N- 很好的问题 Dialogue: 0,0:10:47.23,0:10:50.54,Default,,0000,0000,0000,,假设获录取者只是为了录取而兴奋 Dialogue: 0,0:10:50.54,0:10:55.04,Default,,0000,0000,0000,,而这种幸福感促使他们\N都会更努力学习及学习更多的数学 Dialogue: 0,0:10:55.04,0:10:57.28,Default,,0000,0000,0000,,不管在哪间学校上学 Dialogue: 0,0:10:57.28,0:10:59.90,Default,,0000,0000,0000,,这将违反“排斥限制” Dialogue: 0,0:10:59.90,0:11:03.79,Default,,0000,0000,0000,,因为获录取的动机是第二种渠道 Dialogue: 0,0:11:03.79,0:11:06.57,Default,,0000,0000,0000,,获录取可能会影响考试成绩 Dialogue: 0,0:11:06.86,0:11:09.55,Default,,0000,0000,0000,,虽然很难完全排除这个可能性 Dialogue: 0,0:11:09.55,0:11:12.65,Default,,0000,0000,0000,,在KIPP研究中 Dialogue: 0,0:11:12.65,0:11:14.11,Default,,0000,0000,0000,,没有其他渠道的证据 Dialogue: 0,0:11:17.82,0:11:20.70,Default,,0000,0000,0000,,IV解决了诸如KIPP抽签之类的方案中的\N选择性偏差问题 Dialogue: 0,0:11:20.70,0:11:25.05,Default,,0000,0000,0000,,而是抽签是随机的 Dialogue: 0,0:11:25.05,0:11:27.08,Default,,0000,0000,0000,,但其中一些选择退出 Dialogue: 0,0:11:28.45,0:11:31.70,Default,,0000,0000,0000,,这种有意但不完整的随机分配 Dialogue: 0,0:11:31.70,0:11:33.37,Default,,0000,0000,0000,,非常普遍 Dialogue: 0,0:11:33.37,0:11:36.32,Default,,0000,0000,0000,,即使是随机临床试验也有这个功能 Dialogue: 0,0:11:37.13,0:11:40.05,Default,,0000,0000,0000,,IV解决了抽奖或临床研究中 Dialogue: 0,0:11:40.05,0:11:42.53,Default,,0000,0000,0000,,非随机占用的问题 Dialogue: 0,0:11:43.05,0:11:46.72,Default,,0000,0000,0000,,但是抽奖并不是引人注目的\N唯一工具变量 Dialogue: 0,0:11:46.92,0:11:49.12,Default,,0000,0000,0000,,很多因果问题 Dialogue: 0,0:11:49.12,0:11:50.76,Default,,0000,0000,0000,,可以通过自然发生 Dialogue: 0,0:11:50.76,0:11:53.83,Default,,0000,0000,0000,,以及随机分配变量来解决 Dialogue: 0,0:11:54.73,0:11:56.92,Default,,0000,0000,0000,,这里有一个因果问题： Dialogue: 0,0:11:56.92,0:11:59.45,Default,,0000,0000,0000,,在职业生涯早期生儿育女的女性 Dialogue: 0,0:11:59.45,0:12:01.65,Default,,0000,0000,0000,,会否因此遭受巨额的收入损失吗？ Dialogue: 0,0:12:01.65,0:12:02.65,Default,,0000,0000,0000,, Dialogue: 0,0:12:02.65,0:12:04.97,Default,,0000,0000,0000,,毕竟，女性的收入低于男性 Dialogue: 0,0:12:05.57,0:12:08.51,Default,,0000,0000,0000,,当然我们可以简单地 Dialogue: 0,0:12:08.51,0:12:10.89,Default,,0000,0000,0000,,对养育较多或较少孩子的女性的收入\N进行比较即可 Dialogue: 0,0:12:10.89,0:12:14.19,Default,,0000,0000,0000,,但是，这样的比较充满了\N选择性偏差 Dialogue: 0,0:12:14.81,0:12:17.40,Default,,0000,0000,0000,,如果可以的话，我们可以\N将婴儿随机 Dialogue: 0,0:12:17.40,0:12:19.09,Default,,0000,0000,0000,,分配到不同的家庭 Dialogue: 0,0:12:19.09,0:12:22.13,Default,,0000,0000,0000,,对啊，听起来不错 Dialogue: 0,0:12:22.47,0:12:26.71,Default,,0000,0000,0000,,我们的下一个IV故事\N—梦幻而不是幻想 Dialogue: 0,0:12:26.71,0:12:30.23,Default,,0000,0000,0000,,将会描述一个适合家庭规模的 Dialogue: 0,0:12:30.23,0:12:31.92,Default,,0000,0000,0000,,自然且神奇的工具变量 Dialogue: 0,0:12:33.32,0:12:34.55,Default,,0000,0000,0000,,♪ [] ♪ Dialogue: 0,0:12:34.55,0:12:38.20,Default,,0000,0000,0000,,你正在掌握计量经济学 Dialogue: 0,0:12:38.20,0:12:40.17,Default,,0000,0000,0000,,请回答一些练习问题 Dialogue: 0,0:12:40.17,0:12:42.64,Default,,0000,0000,0000,,来确保记得这个视频的内容 Dialogue: 0,0:12:42.89,0:12:46.34,Default,,0000,0000,0000,,或者，如果准备好了\N请单击以观看下一个视频 Dialogue: 0,0:12:46.53,0:12:50.20,Default,,0000,0000,0000,,你也可以访问MRU网站\N以获取更多课程 Dialogue: 0,0:12:50.20,0:12:52.03,Default,,0000,0000,0000,,教师资源等 Dialogue: 0,0:12:52.29,0:12:53.77,Default,,0000,0000,0000,,♪ [] ♪