< Return to Video

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 - 2:37
    IV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 - 3:22
    118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 - 4:23
    KIPP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 - 7:09
    KIPP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 - 11:40
    IV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

Chinese, Simplified subtitles

Revisions Compare revisions