事件史分析及其應用

內容概要

縱向數(shù)據(jù)的收集和應用在我國日趨廣泛，但目前缺乏關于該方法的詳盡討論，國內尚未有此類專著，提供解決這一問題的方法和手段的需求越來越迫切。    本書專注于事件發(fā)生的方式及其影響因素，不僅詳細介紹了非參、參數(shù)、半參數(shù)風險模型以及離散和連續(xù)風險模型，而且給出了模型的選擇和診斷以及時變變量、不同質總體和多事件、競爭風險等較復雜問題的事件史分析方法與應用。本書強調的是數(shù)據(jù)分析方法而非理論。對于實際的數(shù)據(jù)，解釋了怎樣一步一步地去完成分析過程，強調識別所研究的問題、選擇合適的模型并理解其假設條件、選擇合理的估計方法、解釋結果以及提交研究結論。    本書可廣泛適用于經濟、管理、統(tǒng)計、健康保險、社會學、人口學、生物與醫(yī)學以及政治科學等專業(yè)的大學生和研究生及其他社會科學領域的研究者。既可作為學生的教科書，也可作為應用工作者的參考書。

作者簡介

杜本峰，男，1963年出生，河南通許人，經濟學博士，中國人民大學副教授。先后就讀于河南大學數(shù)學系、清華大學經濟管理學院和中國人民大學統(tǒng)計學系，分別于1984年、1997年和2003年獲得理學學士、工商管理碩士和經濟學博士學位。主要從事應用統(tǒng)汁與決策分析、人口與健康保障、人口與經濟、風險評估與管理、老年金融學以及社會科學定黽分析方法等方面的研究。主持和參與多項國家或省級科研項目，在《統(tǒng)計研究》、《人口研究》、《經濟學動態(tài)》、《數(shù)量經濟技術經濟研究》、《中同管理科學》等雜志上發(fā)表論文40余篇，出版著作5部。

書籍目錄

前言第1章  引論  1.1  事件史分析  1.2  刪失  1.3  事件史數(shù)據(jù)結構  1.4  事件史分析中的統(tǒng)計關系  1.5  事件史分析的目的及其特性第2章  事件史建模的非參數(shù)描述方法  2.1  生命表方法  2.2  乘積限估計  2.3  生存現(xiàn)象的其他度量分析  應用分析：20世紀80年代以來我國婦女初婚－初育間隔分析第3章  參數(shù)模型及其應用  3.1  參數(shù)方法概述  3.2  常用的參數(shù)模型與特征  3.3  參數(shù)模型估計方法  3.4  參數(shù)分布的選擇與優(yōu)度檢驗第4章  半參數(shù)分析方法——Cox風險模型  4.1  Cox風險模型及其特性  4.2  比例風險假設的評估  4.3  分層Cox模型  應用分析：農村兒童受教育水平的決定因素研究——基于Cox比例風險模型的分析第5章  離散時間數(shù)據(jù)風險模型  5.1  離散時間模型中的基本關系式  5.2  離散時間數(shù)據(jù)風險的統(tǒng)計模型  5.3  離散時間風險模型的表達形式  5.4  離散時間風險模型的擬合  5.5  參數(shù)估計的解釋  5.6  顯示擬合風險和生存函數(shù)  5.7  模型的選擇和比較  5.8  離散時間風險模型的擴展  應用分析：省級遷移的離散時間風險模型實例分析第6章  具有時變變量的事件史模型  6.1  概述  6.2  具有時變變量的Cox模型及其特性  6.3  具有時變變量的參數(shù)模型  6.4  具有時變變量的離散時間風險模型  6.5  時變變量生存模型應注意的幾個問題  應用分析：用動態(tài)方法來研究職業(yè)流動第7章  模型選擇與診斷  7.1  模型選擇  7.2  事件史模型診斷方法第8章  不可觀測異質性和重復事件建模  8.1  未觀測異質性問題  8.2  重復事件建模  應用分析：重復事件分析在經濟管理中的應用第9章  多狀態(tài)過程與競爭性風險模型  9.1  概述  9.2  競爭風險的潛在生存時間方法——對不同事件類型分別建模  9.3  Lunn-McNeil（LM）方法  9.4  競爭風險的其他處理方法  9.5  觀測個體不同時點進入觀測的情況處理  應用分析：競爭風險在人口健康分析中的應用附錄  事件史分析中常用統(tǒng)計軟件簡介參考文獻

章節(jié)摘錄

第3章參數(shù)模型及其應用通常，許多原因導致研究對象在特定的時間發(fā)生事件或死亡。如果研究者認為事件發(fā)生的風險隨時間增加或上升，那么，可以設定一個分布函數(shù)解釋這種關系。如在政治科學研究中，常使用參數(shù)方法了解諸如政治領導人的執(zhí)政期限、軍事沖突的持續(xù)時間等現(xiàn)象。因此，選擇理論分布去擬合生存數(shù)據(jù)是一種重要的分析技術，在這一章中，我們將討論一些被廣泛用于描述生存時間的理論分布，概述其特性并說明其應用；同時，本章還簡單討論了參數(shù)模型的估計及分布的選擇和優(yōu)度檢驗方法。3.1 參數(shù)方法概述線性回歸、logistic回歸等是最常用的參數(shù)模型，在這些模型中，通常假定結果服從一些分布，如正態(tài)、二項分布等。其實際意義是結果服從參數(shù)未知的分布族，只有當參數(shù)已知時，確切的分布才能夠完全確定。如均值為3的正態(tài)分布和均值為7的正態(tài)分布同屬于正態(tài)分布族，但它們并不是完全相同的分布。參數(shù)生存模型是生存時間（結果）假定服從已知的分布。通常用于生存時間的分布是威布爾（Weibull）、指數(shù)分布（Weibull的特例）、對數(shù)邏輯斯蒂（log-logistic）、對數(shù)正態(tài)（lognormal）和廣義伽馬（generalized gamma）。Stata和S-Plus等軟件都支持分析這些分布。參數(shù)模型的吸引力之處在于，由參數(shù)生存模型獲得的生存估計與非參數(shù)方法相比，與理論的生存曲線更一致。如果分布假設合適的話，那么參數(shù)完全可刻畫生存和風險函數(shù)。這種簡單性和完全性是使用參數(shù)方法的主要魅力。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    事件史分析及其應用 PDF格式下載

---