年齡、期間、隊列效應的分離性分析具有十分重要的理論與應用價值。本書從集體層次的角度來對年齡、期間、隊列效應估計的建模進行了詳細的探討。包括的內容主要有：從約束性估計到年齡、期間、隊列特征的應用，再到估計方程，再到方差分解。在一章對已有的APC研究進行簡單而全面的介紹之后，第二章和第三章分別從代數和幾何的角度對模型識別問題進行了分析介紹，并順便討論了相對應約束性回歸的估計方法。第四到六章通過原理和實例結合的方式提供給讀者一些重要的研究策略，包括估計方程法、混合效應模型的方差分割法、特征分析法等，其能在不直接依賴前述約束性估計方式的前提下對APC模型進行估計。第七章則為讀者呈現了一個具體的實證研究案例，詳細描述了如何將本書前述方法應用于對年齡、期間、隊列效應的估計上。
作者對已有浩瀚的APC研究文獻進行了全面細致的總結，并集中于對聚合性數據進行分析。當然在混合效應模型下的APC對個體和集體層面的年齡、期間、隊列效應均進行了探討，這一點在第五章中也有所涉及。本書的應用范圍極其廣泛，人口學、社會學、經濟學、衛(wèi)生統(tǒng)計學等定量領域均可適時使用本書所介紹的這些統(tǒng)計方法，從而可以對研究對象間的因果機制進行更加深入的分析和把握。可以預測，在未來很長一段時間內，APC效應分離的縱向數據分析應該是因果統(tǒng)計推斷中恰當的手段。
前 言
年齡效應、時期效應以及隊列效應的分離是所有涉及一個或多個這些效應的分析的關鍵問題，但這個問題仍然常常被忽視。在橫截面調查中，研究者可能會發(fā)現吸煙行為與年齡有關。這一研究通過檢驗單一時期的數據從而控制了時期效應，使時期的方差為零，因此其“效應”為零。然而，這個橫截面研究中“顯而易見的” “年齡效應”也有可能是隊列效應，或者是年齡效應與隊列效應的混合，因為在這個橫截面研究設計中，每個年齡組都代表一個不同的出生隊列。在檢驗不同時期中的同一年齡組，或者不同年齡組中的同一隊列時，類似的問題也會存在。這些情況均涉及被遺漏的變量。
研究人員經常會在其研究設計中考慮這三個變量中的兩個。研究人員一開始可能設計了年齡-時期研究，關注在不同時期中年齡分布如何波動，繼而解釋為什么時期影響了結核病或同性婚姻支持度或自殺的年齡分布。使用這種研究設計的研究者很可能忽略了可能存在的隊列效應。但隊列效應不應被忽視，因為年齡、時期和隊列效應是相混雜的，已知年齡和時期，我們就可得知出生隊列。這些自變量之間存在線性依賴關系（時期－年齡＝隊列）。
在上述情況下，研究者可能沒有意識到他們面臨著年齡-時期-隊列（APC）識別問題，然而多數情況下事實確實如此。任何在分析數據時明確考慮到年齡、時期和隊列效應的研究者幾乎都認識到在此模型中的識別問題，他們認識到了包含年齡、時期和隊列效應的模型會存在線性依賴關系。
本書是對利用聚合層次數據建模分析年齡、時期和隊列效應的問題及策略的介紹。這些策略涉及約束估計、因素-特征法、可估函數以及方差分解。第1章為綜合且全面的概述性章節(jié)，之后的第2～3章分別從代數和幾何角度說明了識別問題，其中也討論了約束回歸。第4～6章提供了一些不直接依賴第2～3章中的約束條件來識別APC模型的方法。第7章展示的一個具體實證案例表明，多種方法的結合使用可以為特定的年齡、時期和隊列效應提......
〔美〕羅伯特?M?奧布萊恩（Robert M. O’Brien）是俄勒岡大學一位榮休的社會學教授，其致力于犯罪學和定量方法方向的研究，并在這兩個領域發(fā)表了大量文章。在返聘后，他和詹姆斯?R?艾略特（James R. Elliott）共同擔任了《社會學視角》（Sociological Perspectives）的編輯，并從事其他研究項目，撰寫了本書。
前言／1
1 年齡-時期-隊列模型概述／1
1.1 引言／1
1.2 對年齡、時期和隊列的關注／2
1.3 隊列的重要性／5
1.4 本書的計劃／16
參考文獻／18
2 多分類模型和約束回歸／21
2.1 引言／21
2.2 線性編碼的年齡-時期-隊列（APC）模型／22
2.3 分類編碼的APC模型／24
2.4 廣義線性模型／29
2.5 零向量／29
2.6 模型擬合／31
2.7 解與約束條件正交／32
2.8 檢驗解之間的關系／32
2.9 約束解在旋轉前后的差異／40
2.10 忽略一個或多個年齡、時期或隊列因素的解／42
2.11 偏差：約束估計和數據生成參數／46
2.12 單一約束條件下的無偏估計／48
2.13 有額外實證支持的合理約束條件／48
2.14 結論／51
附錄 2.1 虛擬變量和效應編碼／52
附錄2.2 確定效應編碼、虛擬變量編碼變量的零向量／53
附錄2.3 作為無偏估計的約束估計／55
參考文獻／55
3 APC模型和約束估計的幾何原理／57
3.1 引言／57
3.2 一般幾何視角下的單一秩虧模型／58
3.3 多維模型的泛化／65
3.4 含線性編碼變量的APC模型／66
3.5 幾何解和代數解的等價性／73
3.6 多分類模型的幾何原理／75
3.7 離原點的距離和沿解集線的距離／76
3.8 實證案例：Frost的結核病數據／77
3.9 APC模型幾何原理重要特征總結／80
3.10 機械約束的問題／82
3.11 討論／85
附錄3.1／85
參考文獻／86
4 可估函數法／88
4.1 引言／88
4.2 可估函數／89
4.3 在年齡-時期-隊列（APC）模型中用l′sv法建立可估函數／91
4.4 利用l′sv法推導可估函數的一些示例／93
4.5 對l′sv 法的評論／99
4.6 有經驗數據的可估函數／100
4.7 對男女肺癌死亡率差異的更多實質性檢驗／104
4.8 結論／106
附錄4.1／107
參考文獻／109
5 在年齡-時期-隊列（APC）模型中分解方差／111
5.1 引言／111
5.2 歸因方差：年齡-時期-隊列方差分析法（APC ANOVA）／112
5.3 APC混合模型／115
5.4 分層APC模型／124
5.5 使用兇殺犯罪數據的實證案例／127
5.6 結論／136
參考文獻／138
6 因素-特征法／140
6.1 引言／140
6.2 單因素特征／141
6.3 雙因素或多因素的特征／145
6.4 因素和因素特征的方差分解／146
6.5 實證案例：年齡-時期別自殺率和頻數／147
6.6 對具有兩個隊列特征的自殺數據進行年齡-時期-隊列特征（APCC）分析／152
6.7 對具有兩個時期特征的自殺數據進行年齡-隊列-時期特征（ACPC）分析／155
6.8 年齡-時期-特征-隊列特征模型／158
6.9 基于因素特征和機制的方法／160
6.10 因素-特征模型的其他特征和分析／161
6.11 結論／162
參考文獻／163
7 總結：一個實證案例／165
7.1 引言／165
7.2 實證案例：兇殺犯罪／166
7.3 結論／183
參考文獻／185
索引／187
譯后記／193
書單推薦
