学生心态干预效果的异质性机器学习分析
应用统计
2018-11-16 v1 机器学习
机器学习
摘要
我们通过国家学习心态研究(NSLM)的观测数据集，研究心态干预对学生层面成绩效果的异质性。我们的分析使用机器学习(ML)解决以下相关问题：评估处理组重叠与协变量平衡、插补条件平均处理效应，以及解释插补效应。通过比较几种不同的模型族，我们展示了现成与专用估计量的灵活性。我们发现心态干预的平均效应为正的 0.26，95% 置信区间 [0.22, 0.30]，且 [0.1, 0.4] 范围内的异质性受学校层面学业水平、贫困集中度、城市属性及学生先前期望的调节。
引用
@article{arxiv.1811.05975,
title = {Machine Learning Analysis of Heterogeneity in the Effect of Student Mindset Interventions},
author = {Fredrik D. Johansson},
journal= {arXiv preprint arXiv:1811.05975},
year = {2018}
}