工具變量因果測評方法在工程教育領(lǐng)域的應(yīng)用研究

楊一帆 段 斌 曠 怡 趙 斌

工具變量因果測評方法在工程教育領(lǐng)域的應(yīng)用研究

楊一帆1段 斌1曠 怡1趙 斌2

（1. 湘潭大學(xué)自動化與電子信息學(xué)院，湖南 湘潭 411105； 2. 湘潭大學(xué)化學(xué)學(xué)院，湖南 湘潭 411105）

在計量研究方法不斷更迭的當(dāng)下，因果推斷方法在社會科學(xué)研究方面取得了長足發(fā)展，因果關(guān)系推斷方法和教育評估方案的互補(bǔ)和融合儼然成為工程教育領(lǐng)域研究者亟需關(guān)注的問題。本文聚焦于因果推斷，將其遷移運(yùn)用到工程教育領(lǐng)域?yàn)榻處熃虒W(xué)方案提供參考，基于工具變量法構(gòu)建專業(yè)課程支撐非技術(shù)類畢業(yè)要求評價的因果推斷模型，利用Stata軟件分析和研究專業(yè)課程“高分子材料”雙語教學(xué)支撐畢業(yè)要求溝通能力的因果效應(yīng)。研究結(jié)果表明，本文方法可指導(dǎo)調(diào)控課程教學(xué)方案，為增加工程教育產(chǎn)出提供科學(xué)規(guī)范的數(shù)據(jù)支撐，從而為工程教育賦能并助力教育治理智能化。

因果推斷；工具變量法；教育治理；效應(yīng)估計

0 引言

隨著教育智能化進(jìn)程的加快，智能教育體系正逐漸建立起來，原有的教育測評模式已經(jīng)難以滿足信息化時代教師對學(xué)生進(jìn)行畢業(yè)能力評估的需求，人工教育評估不僅耗時耗力、效率較低，而且混雜主觀因素，課程支撐評價的落實(shí)和改進(jìn)是當(dāng)前最大的挑戰(zhàn)，對于評估結(jié)果的客觀性和有效性的驗(yàn)證仍是亟待解決的問題[1]。

因果推理是人工智能實(shí)現(xiàn)從感知到認(rèn)知需突破的關(guān)鍵問題，對構(gòu)建可解釋的模型至關(guān)重要，當(dāng)開始談?wù)撊祟愔悄艿淖詣踊瘯r，因果模型就從奢侈品變成了必需品。在此背景下，關(guān)于因果關(guān)系的新科學(xué)作為新時代高校改革深化和創(chuàng)新的產(chǎn)物應(yīng)運(yùn)而生，人們迫切需要建立一個規(guī)范化的因果效應(yīng)評價和驗(yàn)證體系。因果推斷方法和課程支撐教育評價相融合不僅是教師參與教育治理的具象化體現(xiàn)，也是推動教育評價持續(xù)改進(jìn)過程的助力[2]。

近年來教育量化研究數(shù)量與成果不斷增多，但研究方法還停留于描述性和相關(guān)性階段，缺乏因果解釋力，這極大限制了運(yùn)用經(jīng)驗(yàn)證據(jù)指導(dǎo)教育政策制定的能力。教育評價類觀察性研究往往涉及如何去混雜這樣一個具有挑戰(zhàn)性的問題，教師在進(jìn)行教育評價的過程中有可能會忽略某些同時影響處理和結(jié)果的混雜因素，導(dǎo)致教師對課程支撐評價因果推斷的偏差和決策錯誤，從而影響課程建設(shè)質(zhì)量的提升，所以無論是教育政策的改善，還是教師課程教學(xué)方案的實(shí)施，都必須建立在因果推斷產(chǎn)出的科學(xué)憑據(jù)上[3-5]。

因果效應(yīng)測評將學(xué)生培養(yǎng)目標(biāo)滲透糅合進(jìn)專業(yè)課程人才培養(yǎng)方案和課程教學(xué)大綱的設(shè)計中，與工程教育專業(yè)認(rèn)證學(xué)習(xí)成果評價相結(jié)合，工具變量法是觀察性研究中廣泛使用的控制不可觀測混雜的方法，基于工具變量的引用解決遺漏變量偏誤是因果推斷性統(tǒng)計、效應(yīng)評估和驗(yàn)證的關(guān)鍵。

1 基于工具變量法的因果推斷模型構(gòu)建

1.1 工具變量法的基本思想和理論

介紹工具變量法前首先要介紹線性模型，線性模型是理論、應(yīng)用統(tǒng)計學(xué)和計量經(jīng)濟(jì)學(xué)等最重要的工具，這里從一個最簡單的回歸方程引入工具變量法，如式（1）所示。

舉例而言，若Y為收入，X為受教育的年數(shù)，b為系數(shù)，U為混雜因子代表的誤差項，有時混雜因子是已知的，有時只是疑似存在，以“潛伏的第三變量”形式出現(xiàn)。假設(shè)X與混雜因子U不相關(guān)，Y的變動有且只有X影響，但是實(shí)際情況并非如此。如果關(guān)心教育對收入的因果作用，人的能力可能是很難測量的混雜因素，因?yàn)閭€人能力的高低同時與受教育年限和收入都具有相關(guān)性。例如，一個人受教育時間增加一年與其年收入增加5 000元相關(guān)，那么就不能確定增長的工資中受教育年數(shù)和個人能力分別所影響的比例。在這種情況下，如果直接進(jìn)行因果效應(yīng)評測，就會受混雜因子個人能力的影響，如圖1所示。

但工具變量法卻并不一樣，即使不能測量并調(diào)整，依然可以用這一方法去估計對的效應(yīng)均值。然而觀察性研究并不像隨機(jī)試驗(yàn)一樣有一個表示隨機(jī)分組的變量，所以需要使用其他變量作為工具變量，用于處理混雜因素給因果推斷帶來的不利影響。

引入工具變量如圖2所示，工具變量和之間不存在混雜，因此對的因果效應(yīng)可以根據(jù)在上的回歸線的斜率r估計出來。同樣地，變量和的關(guān)系也未被混雜，因?yàn)槁窂健惶幍膶ψ沧钄嗔恕Ｒ虼嗽谏系幕貧w線斜率r就等于直接路徑→→的因果效應(yīng)，即路徑系數(shù)的乘積。因此有=r和=r，進(jìn)而得到對的因果效應(yīng)：=r/r。通過上述步驟，工具變量就實(shí)現(xiàn)了在無法控制混雜因子或收集其數(shù)據(jù)的情況下估計對的效應(yīng)[6]。在下面展示的案例中，將對專業(yè)課雙語教學(xué)對非技術(shù)要素溝通能力進(jìn)行因果測評，那么r表征學(xué)生入學(xué)年份對專業(yè)課課程雙語學(xué)習(xí)需求的影響程度，r表征入學(xué)年份對于非技術(shù)要素溝通能力影響的程度。其次，對于研究專業(yè)課課程教學(xué)對應(yīng)的每一個非技術(shù)要素來說，都需找到與其非技術(shù)要素相契合的工具變量進(jìn)行一一 分析。

圖2 引入工具變量

1.2 工具變量條件的剖析和工具變量的選取

條件一：和相關(guān)。如果和之間的相關(guān)性很弱，那就是一個弱工具變量，這可能帶來三個嚴(yán)重的問題：①弱工具變量會導(dǎo)致置信區(qū)間變寬；②弱工具變量會放大因條件二和條件三不成立帶來的偏移，和的弱相關(guān)性會使工具變量效應(yīng)估計中的分母變小，而條件二和條件三影響的是分子，如果分子有偏移，那么這一偏移會被放大；③即使樣本夠大，弱工具變量也會帶來偏移，并導(dǎo)致效應(yīng)估計方差被低估，即效應(yīng)估計是錯誤的，且置信區(qū)間較窄。

條件二：僅通過影響，而不能直接影響。在因果圖中，如果有箭頭從指向，就會直接作用于工具變量效應(yīng)估計的分子，而這一額外部分也會被視為的效應(yīng)的一部分，影響因果效應(yīng)的計算。

條件三：和沒有共同誘因。圖3描繪了和存在共同誘因的情形，其中1不僅是和的共同誘因，也是的誘因。在觀察性研究中，的混雜總是存在。而混雜會影響效應(yīng)估計里的分子，同時也會被視為的效應(yīng)的一部分，從而使分母 擴(kuò)大。

圖3 共同誘因情況

對于本文研究的案例而言，學(xué)生對專業(yè)課程教學(xué)的投入程度及對跨文化背景下進(jìn)行溝通和交流能力提升的意愿，受學(xué)生個人能力、發(fā)展預(yù)期和惰性等的混雜影響，例如愛好科研希望提高專業(yè)實(shí)踐知識的“實(shí)驗(yàn)室大神”與有意向考公務(wù)員的學(xué)生區(qū)別明顯。

選取合理且有效的工具變量是工具變量法的關(guān)鍵，而工具變量既誤差不可測，又不具備惟一性，所以尋找嚴(yán)格意義上獨(dú)立于被解釋變量、與誤差項無關(guān)而與所替代的解釋變量高度相關(guān)的工具變量十分困難。對于不同的內(nèi)生性問題，可以采用不同的工具變量分別解決，對不同方向的偏估同時進(jìn)行糾偏。本文以學(xué)校政策的變更為引，選取學(xué)生的入學(xué)年份作為工具變量，基于以下考慮。

以湘潭大學(xué)為例，在對2021屆畢業(yè)生施行的授學(xué)位政策規(guī)定條例中，將通過專利和軟件著作權(quán)這兩個條件去除，保留對英語能力的要求，于是提高了對學(xué)生英語能力的要求，對雙語教學(xué)產(chǎn)生了因果效應(yīng)，繼而通過改變學(xué)生對專業(yè)課雙語教學(xué)的積極性和參與度影響了溝通能力的評價結(jié)果，因此可用大學(xué)生入學(xué)年份作為工具變量。

工具變量入學(xué)年份獨(dú)立于遺漏變量偏誤，其對溝通能力的效應(yīng)完全來自雙語課專業(yè)教學(xué)，這樣保證其滿足三個條件：①獨(dú)立于混雜因子發(fā)展預(yù)期、惰性和個人能力等；②不會直接影響溝通能力的掌握度；③和專業(yè)課課程教學(xué)有一定的關(guān)聯(lián)。

1.3 因果推斷模型的構(gòu)建

“高分子材料”是高分子材料與工程專業(yè)學(xué)生的一門必修專業(yè)課程，其雙語課教學(xué)與課程支撐的畢業(yè)要求溝通能力指標(biāo)點(diǎn)聯(lián)系緊密，引入工具變量后的因果推斷模型如圖4所示。

圖4 因果推斷模型

1.4 線性回歸模型的構(gòu)建

為了實(shí)現(xiàn)專業(yè)課教學(xué)對畢業(yè)要求指標(biāo)能力的因果效應(yīng)評價，基于因果鏈構(gòu)建線性模型，將非技術(shù)類畢業(yè)要求指標(biāo)點(diǎn)溝通能力評價值（point）作為被解釋變量，能夠較好反映雙語教學(xué)效果的“高分子材料”課程支撐溝通能力畢業(yè)要求指標(biāo)點(diǎn)課程目標(biāo)達(dá)成情況評價值（pm）作為解釋變量，增加變量學(xué)生性別（gender）進(jìn)行參考和比較，回歸模型為

式中：0為常數(shù)項；1、2為系數(shù)；1為誤差項。

2 數(shù)據(jù)處理和分析

2.1 數(shù)據(jù)來源和處理

本文使用湘潭大學(xué)趙斌教授執(zhí)教的高分子材料與工程專業(yè)2020～2021屆1～3班畢業(yè)生成績相關(guān)統(tǒng)計數(shù)據(jù)，目標(biāo)樣本規(guī)模為107人，并且通過不同形式的問卷與測試收集到個體樣本專業(yè)綜合設(shè)計對畢業(yè)要求溝通能力的定量評價、學(xué)生問卷定性評價、畢業(yè)后社會評價（用人單位和畢業(yè)一年左右畢業(yè)生調(diào)查結(jié)果）這三類數(shù)據(jù)，按學(xué)生個體根據(jù)各門專業(yè)課與社會評價對應(yīng)權(quán)重計算得到支撐畢業(yè)要求指標(biāo)點(diǎn)達(dá)成評價值，將其作為被解釋變量，反映每個學(xué)生對于溝通能力的掌握度。并將“高分子材料”雙語教學(xué)課程目標(biāo)達(dá)成情況評價值、學(xué)生性別作為內(nèi)生解釋變量，學(xué)生入學(xué)年份作為工具變量。

2.2 基本回歸法

普通最小二乘（ordinary least squares, OLS）法作為基本的回歸方法，可以簡便地求得未知數(shù)據(jù)，并使這些數(shù)據(jù)與實(shí)際數(shù)據(jù)之間誤差的平方和最小，借此擬合出解釋變量與被解釋變量的相關(guān)曲線，得出因果估計量[7]，但是此方法有對研究對象的影響因素考慮不全面和對混雜因子不可觀測的局限性，這可能導(dǎo)致回歸模型遺漏重要的解釋變量。對于專業(yè)課教學(xué)影響能力評價值來說，由于混雜因子同時影響解釋變量和被解釋變量，相對整條因果鏈，其中的因果效應(yīng)受到了局部的混雜影響，而OLS估計作為基本的線性擬合方法，在進(jìn)行回歸前的必要條件為所有解釋變量與混雜因子同期不相關(guān)，不能消除這種內(nèi)生性，下面的數(shù)據(jù)分析將采用OLS方法作為參照對象進(jìn)行結(jié)果的對比和印證。

2.3 工具變量回歸法

基于因果模型的效應(yīng)表示，可以用雙階最小二乘（two-stage least squares, 2SLS）法擬合兩個（飽和）線性模型，從而估計表達(dá)式中的分子和分母。其基本思想是通過工具變量切斷自變量和殘差的關(guān)系，解決內(nèi)生性和反向因果問題，得到更加準(zhǔn)確的自變量系數(shù)估計[8-9]。具體地說，這種方法利用工具變量從專業(yè)課課程教學(xué)中分離出一部分與混雜因子無關(guān)的外生變異，分解成只有工具變量解釋的部分和與殘差相關(guān)的部分，并將該變異用于對畢業(yè)要求能力的回歸估計，用工具變量對自變量的預(yù)測值來估計回歸系數(shù)。

2.4 基于Stata軟件的結(jié)果指標(biāo)數(shù)據(jù)評估和分析

作為對照，先進(jìn)行OLS回歸，數(shù)據(jù)間相關(guān)性最重要的表現(xiàn)形式就是組群結(jié)構(gòu)，現(xiàn)實(shí)中古典假設(shè)往往不成立。對于本文三個班的學(xué)生樣本來說，處于一個專業(yè)集體會受到某些共同因素的影響，比如一個專業(yè)的學(xué)生由同一老師施教，或者受班級組群特征的影響，使集群內(nèi)出現(xiàn)相互關(guān)聯(lián)現(xiàn)象，樣本觀測值之間完全獨(dú)立分布是不可能的，所以采用聚類穩(wěn)健標(biāo)準(zhǔn)誤，認(rèn)為觀測到的學(xué)生樣本在一個集合或分布之中抽取，有且僅有同一聚類里的觀測值具有相關(guān)性，此舉旨在修正異方差，使模型回歸系數(shù)顯著性結(jié)果更加穩(wěn)健、更加貼近現(xiàn)實(shí)，OLS回歸結(jié)果如圖5所示。

可見OLS模型中，專業(yè)課雙語教學(xué)對于學(xué)生溝通能力的因果效應(yīng)比率的估計系數(shù)為0.328，在1.00%的顯著水平上通過了t檢驗(yàn)，且標(biāo)準(zhǔn)差為0.072，說明模型較為準(zhǔn)確，樣本均數(shù)抽樣分布之間的離散和變異程度仍在合理的范圍內(nèi)。變量學(xué)生性別顯著性沒有通過t檢驗(yàn)，所以認(rèn)為變量性別對溝通能力的掌握度不具備因果效應(yīng)，否定了當(dāng)前工程類專業(yè)教育背景下學(xué)生性別的不同一定會帶來溝通學(xué)習(xí)能力和遷移能力的差異性這種刻板思維[10]。

圖5 OLS回歸結(jié)果

作為實(shí)驗(yàn)對象，引入學(xué)生入學(xué)年份作為工具變量，進(jìn)行兩階段最小二乘回歸，同樣采用聚類穩(wěn)健標(biāo)準(zhǔn)誤，第一階段回歸結(jié)果如圖6所示。

圖6 第一階段回歸結(jié)果

從圖6可以看出，F(xiàn)統(tǒng)計量=27.490＞10，在實(shí)驗(yàn)中的有限樣本范圍內(nèi)，根據(jù)經(jīng)驗(yàn)準(zhǔn)則可以判斷，入學(xué)年份不是一個弱工具變量，工具變量入學(xué)年份成績回歸系數(shù)為0.187，標(biāo)準(zhǔn)差為0.025，在1.00%的水平上顯著。

第二階段回歸結(jié)果如圖7所示。

圖7 第二階段回歸結(jié)果

第二階段回歸結(jié)果為引入工具變量法對內(nèi)生性問題進(jìn)行解決之后得到的估計結(jié)果。從圖7可以看出，擬合優(yōu)度檢驗(yàn)結(jié)果為0.166，此為扣除其他外生變量后解釋變量專業(yè)課雙語教學(xué)對被解釋變量專業(yè)溝通能力評價值的解釋力度，不涉及兩者總體顯著性關(guān)系的推斷，雙語課教學(xué)回歸系數(shù)為0.370，標(biāo)準(zhǔn)誤差為0.080，在1.00%的水平上顯著，表明“高分子材料”課程雙語教學(xué)對非技術(shù)類畢業(yè)要求溝通能力的因果效應(yīng)估計量為37.00%。

將基于同樣樣本數(shù)據(jù)的OLS回歸和工具變量回歸分析結(jié)果進(jìn)行比較，從比較結(jié)果可以看出，由于內(nèi)生性的存在，OLS估計量喪失了無偏性或一致性，使因果效應(yīng)的實(shí)際估計量具有偏差，使用工具變量法消除混雜因子的偏倚后得到的估計量較前者增長了4.24%，說明混雜因子發(fā)展預(yù)期、學(xué)生未完成學(xué)習(xí)任務(wù)等和反向因果效應(yīng)造成了約4.24%的估計量偏差，且校正后系數(shù)估計值37.00%更接近真實(shí)的專業(yè)課雙語教學(xué)對畢業(yè)要求溝通能力的因果效應(yīng)。

其次，本文采用相同樣本的數(shù)據(jù)，從解釋變量方面進(jìn)行對照研究，經(jīng)過相同的流程和架構(gòu)計算，得到的結(jié)果如下：

1）將模型中專業(yè)課程雙語教學(xué)課程目標(biāo)達(dá)成情況評價值替換為大學(xué)英語成績第一學(xué)年平均值進(jìn)行對照，得出大學(xué)英語成績和相同畢業(yè)要求能力指標(biāo)點(diǎn)之間的因果效應(yīng)為47.04%，相比效應(yīng)增加10.04%。

2）將模型中專業(yè)課程雙語教學(xué)課程目標(biāo)達(dá)成情況評價值替換為期末評價成績進(jìn)行對照，得出期末評價成績和相同畢業(yè)要求能力指標(biāo)點(diǎn)之間的因果效應(yīng)為33.61%，相比效應(yīng)減少3.39%。

2.5 與瓦爾德估計法的比較和印證

瓦爾德估計法作為傳統(tǒng)的理論基礎(chǔ)方法，是所有工具變量估計值的基礎(chǔ)，較為直觀地使用工具變量解決遺漏變量偏誤，已知滿足工具變量的三個條件，并且是一個二分變量，那么在加法尺度上，對的因果效應(yīng)估計就可以用條件期望表示為

基于同樣的樣本數(shù)據(jù)，使用瓦爾德估計法計算得出雙語教學(xué)對溝通能力的因果效應(yīng)估計量為35.354%，這個估計值和2SLS估計值相似，印證了工具變量回歸估計法的數(shù)據(jù)結(jié)論較為客觀準(zhǔn)確，原因在于兩者都是依賴相同的信息構(gòu)造出來的：由于入學(xué)年份不同導(dǎo)致溝通能力掌握度的差別。

與雙階最小二乘法結(jié)果有較小差距的原因在于忽略了異質(zhì)性帶來的偏誤，每個學(xué)生因個人因素接受相同雙語教學(xué)而獲得相同的溝通能力是不現(xiàn)實(shí)的，而工具變量回歸法的優(yōu)勢在于模型中包含加入的初始變量，它會限制解釋變量在協(xié)變量各分層中的變化情況，同時允許解釋變量組中的因果效應(yīng)隨而變化，這樣就能放寬雙階最小二乘法中的參數(shù)假設(shè)，得到更準(zhǔn)確的效應(yīng)估計。

3 基于課程教學(xué)支撐畢業(yè)要求反饋信息的問題探究

根據(jù)反映結(jié)果解釋專業(yè)課程雙語教學(xué)支撐評價可能存在的問題如下：

1）實(shí)驗(yàn)運(yùn)用算法定量地得到了專業(yè)課雙語教學(xué)對非技術(shù)類畢業(yè)要求溝通能力培養(yǎng)的因果效應(yīng)估計量，直觀地表明了教學(xué)中學(xué)生受惰性影響而參與度低、發(fā)展預(yù)期和個人能力等混雜因子作用使因果效應(yīng)估計出現(xiàn)了4.24%的遺漏變量偏誤。大學(xué)英語課程和專業(yè)課程雙語教學(xué)的效果存在強(qiáng)關(guān)聯(lián)，在產(chǎn)出導(dǎo)向課程體系中，畢業(yè)要求能力指標(biāo)點(diǎn)提出認(rèn)知需求，專業(yè)課程教學(xué)負(fù)責(zé)提供認(rèn)知供給，提高并顯性化表達(dá)這種關(guān)聯(lián)性正是一種基于學(xué)習(xí)產(chǎn)出的教育模式（outcomes-based education, OBE）理念的教學(xué)改革[11]，要明確專業(yè)課程在課程支撐評價體系中的關(guān)鍵作用，針對性地引導(dǎo)學(xué)生積極性，加強(qiáng)與學(xué)生互動，及時了解學(xué)生對知識的理解掌握和應(yīng)用情況，跟蹤督促作業(yè)完成較差的學(xué)生，提高其學(xué)習(xí)效果，增加其課程教學(xué)活動參與度，減少混雜因子影響，提升教學(xué)的有效性，進(jìn)而實(shí)現(xiàn)畢業(yè)要求能力的培養(yǎng)。

2）模型中解釋變量專業(yè)課程支撐溝通能力畢業(yè)要求課程目標(biāo)達(dá)成情況評價值替換成大學(xué)英語成績之后，因果估計量增長較多，反映出大學(xué)英語作為本專業(yè)先修基礎(chǔ)課程，對于畢業(yè)要求溝通能力的培養(yǎng)效果更好，佐證了先修基礎(chǔ)課程在課程支持評價體系中的指導(dǎo)性作用。

3）模型中解釋變量專業(yè)課程支撐溝通能力畢業(yè)要求課程目標(biāo)達(dá)成情況評價值替換成課程教學(xué)期末評價成績之后，相應(yīng)因果效應(yīng)減少，但差距不明顯，體現(xiàn)了一定的教師產(chǎn)出導(dǎo)向教學(xué)效果，但仍有改進(jìn)空間。為此，教師應(yīng)嚴(yán)格按能力產(chǎn)出考核和評價、客觀和科學(xué)地選擇專業(yè)課支撐畢業(yè)要求的課程目標(biāo)達(dá)成情況評價的支撐數(shù)據(jù)。

4 結(jié)論

基于自然實(shí)驗(yàn)的因果識別方法的探索與推廣極大地改變了社會科學(xué)的實(shí)證研究范式，工具變量法可以消除選擇偏誤從而捕捉到真實(shí)的平均處理效應(yīng)，是最有力的工具之一。本文嘗試將工具變量法引入工程教育領(lǐng)域課程支撐畢業(yè)要求的評價中，解決專業(yè)課支撐非技術(shù)類畢業(yè)要求因果效應(yīng)評測中所存在的學(xué)生積極性和參與度等混雜因子不可觀測的難點(diǎn)問題，為工程教育研究提供一種定量描述和評估課程教學(xué)對非技術(shù)類要素能力培養(yǎng)因果效應(yīng)的方案。研究表明，選取合理且有效的工具變量是工具變量法的關(guān)鍵，需要滿足影響因果渠道、獨(dú)立性假設(shè)、排他性約束等三方面要求，所以尋找嚴(yán)格意義上獨(dú)立于被解釋變量、與遺漏變量偏誤無關(guān)而與所替代的解釋變量高度相關(guān)的工具變量十分困難。本文研究案例采用的工具變量利用了高校變更授學(xué)位政策的隨機(jī)性，能滿足工具變量的三項要求，研究結(jié)果表明該方法具有良好的評價效果。下一步將在全校范圍內(nèi)研究更多的專業(yè)課雙語教學(xué)支撐溝通能力非技術(shù)類畢業(yè)要求的課程教學(xué)案例，從更普遍層面分析該類教學(xué)目標(biāo)的因果效應(yīng)，發(fā)現(xiàn)存在的問題，提出持續(xù)改進(jìn)建議。

[1] 張雷生, 魏蓮蓮. 教育治理現(xiàn)代化視閾下教師參與教育評價的研究[J]. 北京教育(高教), 2022(1): 53-57.

[2] 閻春利, 王憲彬, 朱冬, 等. 基于OBE理念的專業(yè)課課程目標(biāo)達(dá)成[J]. 中國冶金教育, 2022(2): 7-10.

[3] 黃斌, 李波. 因果推斷、科學(xué)證據(jù)與教育研究——兼論2021年諾貝爾經(jīng)濟(jì)學(xué)獎得主的教育研究[J]. 華東師范大學(xué)學(xué)報(教育科學(xué)版), 2022, 40(4): 1-15.

[4] 任國強(qiáng), 王于丹, 周云波. 科學(xué)研究中因果推斷的方法、應(yīng)用與展望——以個體健康研究為例[J]. 人口與經(jīng)濟(jì), 2022(2): 1-25.

[5] BAREINBOOIM E, PEARL J. Causal inference by surrogate experiments: z-identifiability[C]//Proceedings of the Twenty-Eighth Conference on Uncertainty in Artificial Intelligence, Catalina Island CA, USA, 2012.

[6] PEARL J, MACKENZIE D. The book of why: the new science of cause and effect[M]. New York: Basic Books, 2018.

[7] KMENTA J. Mostly harmless econometrics: an empiricist’s companion[J]. Business Economics, 2010, 45(1): 75-76.

[8] 馬妍群, 母賽花. 城鄉(xiāng)二元結(jié)構(gòu)下農(nóng)村剩余勞動力轉(zhuǎn)移對土地流轉(zhuǎn)面積影響的研究——基于工具變量法的分析[J]. 云南農(nóng)業(yè)大學(xué)學(xué)報(社會科學(xué)), 2020, 14(5): 92-98.

[9] CUARTAS J. The effect of maternal education on parenting and early childhood development: an instrumental variables approach[J]. Journal of Family Psychology, 2021, 36(2): 280-290.

[10] 靳敏, 胡壽平. 工科專業(yè)本科生學(xué)習(xí)性投入的性別差異分析[J]. 復(fù)旦教育論壇, 2018, 16(5): 61-69.

[11] 顧佩華, 胡文龍, 林鵬, 等. 基于“學(xué)習(xí)產(chǎn)出”(OBE)的工程教育模式——汕頭大學(xué)的實(shí)踐與探索[J]. 高等工程教育研究, 2014(1): 27-37.

Research on the application of causality test method of instrumental variables in engineering education

YANG Yifan1DUAN Bin1KUANG Yi1ZHAO Bin2

(1. College of Automation and Electronic Information, Xiangtan University, Xiangtan, Hu’nan 411105; 2. College of Chemistry, Xiangtan University, Xiangtan, Hu’nan 411105)

With the continuous change of measurement research methods, causal inference method has made great progress in social science research. The complementation and integration of causal inference method and education evaluation scheme has become an urgent problem for researchers in the field of engineering education. This paper focuses on causal inference, and applies it to engineering education to provide reference for teachers’ teaching schemes. Based on instrumental variable method, a causal inference model for the evaluation of non-technical graduation requirements supported by professional courses is constructed. With the help of Stata software, the causal effect of bilingual teaching of polymer materials supporting the communication ability of graduation requirements for professional courses is analyzed and studied. The research results show that the method can guide and control the course teaching plan, and provide scientific and normative data support for increasing the output of engineering education, thus enabling engineering education and assisting the intellectualization of education governance.

causal inference; instrumental variable method; educational governance; effect estimation

2022-06-30

2022-09-01

楊一帆（1999—），男，湖南省岳陽市人，碩士研究生，主要從事因果推斷方面的研究工作。