[Подлинная книга инвентаризации] Модель возраста-типа [США] Роберт М. Обрейн (ROPE
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Книга загружается партиями.
Описание продукта
об авторе
Введение
Оглавление
1 Обзор возрастной когортной модели／1
1.1 Введение／1
1.2 Акцент на возрастные периоды и когорты/2
1.3 Важность очередей/5
1.4 План этой книги／16
Рекомендации／18
2 Модель мультиклассификации и ограниченная регрессия／21
2.1 Введение／21
2.2 Модель линейного кодирования возрастной когорты (APC)/22
2.3 Модель классификационного кодирования APC／24
2.4 Обобщенная линейная модель／29
2.5 Нулевой вектор/29
2.6 Установка модели／31
2.7 Ортогональные решения и ограничения／32
2.8 Проверка связи между решениями／32
2.9 Различия в решениях ограничений до и после вращения/40
2.10 Решения, игнорирующие один или несколько возрастных периодов или когортных факторов/42
2.11 Смещение: ограниченная оценка и параметры генерации данных/46
2.12 Непредвзятая оценка при одном ограничении/48
2.13 Разумные ограничения с дополнительной эмпирической поддержкой／48
2.14 Заключение／51
Запись 2.1 Фиктивные переменные и кодирование эффектов／52
Запись 2.2 Определение нулевого вектора кодирующей переменной фиктивной переменной эффекта кодирования／53
Запишите 2.3 Ограниченную оценку как несмещенную оценку／55
Рекомендации／55
3. Геометрические принципы модели APC и оценка ограничений／57
3.1 Введение／57
3.2 Модель с одиночным дефицитом ранга с общей геометрической точки зрения／58
3.3 Обобщение многомерных моделей／65
3.4 Модель APC с переменными линейного кодирования／66
3.5 Эквивалентность геометрических и алгебраических решений／73
3.6 Геометрические принципы моделей мультиклассификации／75
3.7 Расстояние от начала координат и расстояние вдоль линии множества решений/76
3.8 Эмпирический пример: данные Фроста по туберкулезу／77
3.9 Краткое изложение важных особенностей геометрических принципов модели APC／80
3.10 Проблема механических ограничений／82
3.11 Обсуждение／85
Рекорд 3.1/85
Рекомендации／86
4. Метод оцениваемых функций/88
4.1 Введение／88
4.2 Оцениваемые функции／89
4.3 Использование метода l’sv для установления оцениваемых функций в модели возрастной когорты (APC)/91
4.4 Некоторые примеры использования метода l'sv для получения оцениваемых функций／93
4.5 Комментарии к методу l′sv／99
4.6 Оцениваемые функции по эмпирическим данным/100
4.7 Более предметное изучение различий в смертности от рака легких между мужчинами и женщинами/104
4.8 Заключение／106
Рекорд 4,1/107
Рекомендации／109
5. Разложение дисперсии в модели возрастной когорты (APC)/111
5.1 Введение／111
5.2 Атрибутивная дисперсия: дисперсионный анализ возрастных групп (APC ANOVA)/112
5.3 Гибридная модель APC/115
5.4 Иерархическая модель APC／124
5.5 Эмпирические примеры с использованием данных об убийствах／127
5.6 Заключение／136
Ссылки / 138
6 Факторно-характеристический метод/140
6.1 Введение／140
6.2 Однофакторные характеристики/141
6.3 Двухфакторные или многофакторные характеристики/145
6.4 Дисперсионная декомпозиция факторов и факторных характеристик／146
6.5 Эмпирический случай: уровень и частота самоубийств в зависимости от возраста/147
6.6 Анализ данных о самоубийствах по возрастно-периодным когортным характеристикам (APCC) с двумя когортными характеристиками/152
6.7 Анализ данных о самоубийствах по возрастным группам и периодам (ACPC) с двумя характеристиками периода/155
6.8 Модель характеристик когорты по возрасту и периоду／158
6.9 Методы, основанные на факторных характеристиках и механизмах／160
6.10 Другие характеристики и анализ факторно-признаковой модели/161
6.11 Заключение／162
Рекомендации／163
7. Резюме: эмпирический случай／165
7.1 Введение／165
7.2 Эмпирический случай: убийство/166
7.3 Заключение／183
Рекомендации／185
Индекс/187
Постскриптум／193
Предисловие
Предисловие
nbsp;
Эффекты возраста Разделение эффектов периода и эффектов когорты является ключевым вопросом во всех анализах, включающих один или несколько из этих эффектов, но его до сих пор часто упускают из виду. В перекрестных опросах исследователи могут обнаружить, что поведение курения связано с возрастом. В этом исследовании влияние периода контролировалось путем изучения данных за один период, так что дисперсия периода была равна нулю, поэтому его«Эффект» нулевой. Однако также возможно, что «кажущийся» «возрастной эффект» в этом перекрестном исследовании представляет собой когортный эффект или смесь возрастного и когортного эффектов, поскольку в этом перекрестном исследовании каждая возрастная группа представляет собой отдельную когорту по рождению. Аналогичные проблемы существуют при исследовании одной и той же возрастной группы в разные периоды времени или одной и той же когорты в разных возрастных группах. Все эти ситуации связаны с пропущенными переменными.
Исследователи часто учитывают две из этих трех переменных в своих исследованиях. Исследователи могут первоначально спланировать возраст-Исследования периодов сосредоточены на том, как возрастное распределение колеблется в разные периоды, а затем объясняют, почему период влияет на возрастное распределение туберкулеза или поддержку однополых браков или самоубийств. Исследователи, использующие этот дизайн исследования, скорее всего, проигнорируют возможные когортные эффекты, но когортные эффекты не следует игнорировать, поскольку эффекты возрастного периода и когортные эффекты смешиваются. Зная возраст и период, мы можем знать, что между этими независимыми переменными когорты рождения существует линейная зависимость (период - возраст = когорта).
В вышеперечисленных случаях исследователи могут не осознавать, что сталкиваются с возрастом.-период-очередь(APC) проблема идентификации, однако в большинстве случаев это так. Любой исследователь, который явно учитывает возрастной период и когортные эффекты при анализе своих данных, почти всегда осознает проблему идентификации в этой модели. Они признают, что модели, включающие эффекты возрастного периода и когорты, будут иметь линейные зависимости.
Эта книга представляет собой введение в проблемы и стратегии анализа возрастных периодов и когортных эффектов с использованием моделирования агрегированных иерархических данных. Эти стратегии включают в себя ограниченные факторы оценки.-Оцениваемые собственным методом функции и дисперсионное разложение №1Глава 1 представляет собой всеобъемлющую обзорную главу, за которой следуют следующие главы.2~3В главе 1 проблема идентификации объясняется с алгебраической и геометрической точек зрения соответственно, а также обсуждается глава об ограниченной регрессии.4~6В главе представлена некоторая информация, не зависящая напрямую от2~3выявить ограничения в главеAPCРаздел метода модели7Конкретный эмпирический случай, представленный в главе 1, показывает, что совместное использование нескольких методов может дать представление о конкретных возрастных периодах и когортных эффектах.
