社会教育指数如何影响学校毕业生的结果?——用R和brms进行贝叶斯分析

Social education index's impact on graduation outcomes Bayesian analysis using R and brms.

ANCOVA — 贝叶斯风格

在前一篇文章对于学校领域和高等教育结果之间是否存在比例差异进行了非常积极的回应后,我们继续探讨更多内容。我们指出建模的目的并不是要进行因果推断,而仅仅是描述性的。我们之前明确表示在因果模型中可能需要考虑许多因素。然而,恰好存在一个代理测量值,即ICSEA(社区社会教育优势指数)。

使用R和brms进行学校毕业生结果的贝叶斯比较

ANOVA — 贝叶斯风格

towardsdatascience.com

延续前一篇文章,我们将探索ICSEA与各个领域间比例结果之间是否存在因果关系,形成贝叶斯ANCOVA工作流程。

Vasily Koloda在Unsplash上的照片

背景

在进行建模之前,让我们开发因果模型和理解。ICSEA是一个用于识别学校社会教育优势的尺度。这是由ACARA(澳大利亚课程评估报告管理机构)计算的一个指标,考虑了父母的教育背景和职业、学生的土著身份以及学校的地理位置。ICSEA的平均值设定为1000,标准差为100,因此较高的ICSEA值表示具有较高社会教育优势的学校。

影响学生表现和结果的因素有很多。我们将其简化为以下更具体的内容。从左侧开始,我们可以合理地认为父母的教育水平会影响他们孩子的个人抱负,父母的教育水平会影响他们的工资,从而影响他们能够住在哪个郊区,进而接近某些领域的学校。我们会合理地假设富裕地区的独立学校和天主教学校的比例要大于政府学校。这涉及很多领域和数据…