年龄-时期-队列模型豆瓣评分:7.2 简介:本书对聚合层次数据的年龄、时期、队列(APC)效应建模中存在的问题及策略进行了介绍。这些策略包括约束估计、年龄/时期/队列特征的使用、可估函数、方差分解,以及新近出现的s -约束法。书中分别从几何与代数视角阐
在APC模型中,时期效应(Period effect)指人为因素影响人群疾病率的变化,比如疾病诊断技术的发展、筛查和早期检测、疾病定义及登记变化、治疗改善等,这些人为因素都可能影响不同时期的疾病率,产生时期效应。年龄效应(Age effect)是疾病率随年龄变化的效应,疾病发生最重要的决定因素之一。队列效应(Cohort effect)指由于不同...
《年龄-时期-队列模型：聚合数据分析方法》是2018年10月社会科学文献出版社出版的图书，作者是[美]罗伯特·M.奥布莱恩。内容简介 本书对聚合层次数据的年龄、时期、队列（APC）效应建模中存在的问题及策略进行了介绍。这些策略包括约束估计、年龄/时期/队列特征的使用、可估函数、方差分解，以及新近出现的s -约束法...
在本研究中我们使用杨洋等人提出的多层年龄—时期—队列模型(Hierarchical APC,HAPC)(Yang & Land,2006)来识别社会变迁过程中不同群体超重和不动的变化状况。具体操作中,我们采用了交叉分类随机效应模型(cross-classified random effects modeling,CCREM)来估计时期和出生队列的随机效应以及年龄和其他个体水平变量的固定效...
摘要:本文利用2005—2021年中国综合社会调查十期数据,使用HAPC模型分析了我国青年群体中,高等教育在主客观社会地位回报上的动态变化。结果表明,年龄越大,青年高等教育的地位认知和收入回报就越大,在青年中后期,受过高等教育的青年收入下降更...
第二种实现方式对应的程序为apc-cglim。 apc_cglim 估计年龄-时期-队列模型,其中对系数使用单个等式约束来解决年龄-时期-队列识别问题。apc cglim为年龄、时期和队列的每个唯一值赋值一个指示变量,并将其添加到自变量列表中,在对这些指示变量施加约束后执行glm回归。
APC模型主要用于对目标分析变量从年龄、时期、队列三个维度进行分解，研究目标分析变量的年龄、时期、队列效应。年龄效应是指由社会经验的积累、社会角色和心态的转变等因素造成不同年龄群体在目标分析变量上的差异；时期效应指的是社会、经济、文化、人口等方面的变化对所有年龄组产生的影响的变化情况；队列效应指的是...
采用APC模型定量分析肺结核报告发病趋势的年龄、时期和出生队列效应,利用内生因子法估计效应系数,转换得到相对危险度(relative risk,RR)。本研究中的年龄效应反映了不同年龄段对肺结核发病的影响;“时期”是病例诊断的年份,时期效应反映了所在地区医疗技术、政策干预和诊断方法等外部因素在特定的时间内对所有年龄组报告发...
当然在混合效应模型下的APC对个体和集体层面的年龄、期间、队列效应均进行了探讨,这一点在第五章中也有所涉及。本书的应用范围极其广泛,人口学、社会学、经济学、卫生统计学等定量领域均可适时使用本书所介绍的这些统计方法,从而可以对研究对象间的因果机制进行更加深入的分析和把握。可以预测,在未来很长一段时间内...