دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب A Practical Guide to Age-Period-Cohort Analysis: The Identification Problem and Beyond
دانلود کتاب راهنمای عملی برای تجزیه و تحلیل سن-دوره-کوهورت: مشکل شناسایی و فراتر از آن
مشخصات کتاب
A Practical Guide to Age-Period-Cohort Analysis: The Identification Problem and Beyond
ویرایش:
نویسندگان: Wenjiang Fu
سری:
ISBN (شابک) : 9781466592650, 1466592656
ناشر: CRC Press
سال نشر: 2018
تعداد صفحات: 251
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
قیمت کتاب (تومان) : 55,000
در صورت تبدیل فایل کتاب A Practical Guide to Age-Period-Cohort Analysis: The Identification Problem and Beyond به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب راهنمای عملی برای تجزیه و تحلیل سن-دوره-کوهورت: مشکل شناسایی و فراتر از آن نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب راهنمای عملی برای تجزیه و تحلیل سن-دوره-کوهورت: مشکل شناسایی و فراتر از آن
تجزیه و تحلیل سن-دوره-کوهورت طیف گسترده ای از کاربردها، از
بروز بیماری های مزمن و داده های مرگ و میر در بهداشت عمومی و
اپیدمیولوژی، تا بسیاری از رویدادهای اجتماعی (تولد، مرگ، ازدواج،
و غیره) در علوم اجتماعی و جمعیت شناسی، و اخیراً سرمایه گذاری،
دارد. سهم مراقبت های بهداشتی و بازنشستگی در اقتصاد و امور مالی.
اگرچه تجزیه و تحلیل APC در 40 سال گذشته مورد مطالعه قرار گرفته
و روش‌های زیادی توسعه یافته است، مشکل شناسایی یک مانع بزرگ در
تجزیه و تحلیل داده‌های APC بوده است، که در آن مدل رگرسیون دارای
تخمین‌گرهای متعدد است که منجر به عدم تعیین پارامترها و روندهای
زمانی می‌شود. راهنمای عملی برای تجزیه و تحلیل گروهی دوره
سنی: مشکل شناسایی و فراتر از آنراهنمای استفاده از مدل‌های
APC را در اختیار پزشکان قرار می‌دهد و همچنین به دانشجویان و
محققان فارغ‌التحصیل یک مرور کلی از روش‌های فعلی برای تجزیه و
تحلیل APC ارائه می‌دهد و در عین حال سردرگمی مشکل شناسایی با
توضیح اینکه چرا برخی از روش‌ها به خوبی به مشکل رسیدگی می‌کنند
در حالی که برخی دیگر مشکل را برطرف نمی‌کنند. بررسی عمیق مدل‌ها
و روش‌ها در تجزیه و تحلیل APC.
- توضیح عمیقی از مشکل شناسایی و رویکردهای آماری برای پرداختن به
مشکل و روشن کردن سردرگمی ارائه می‌دهد.
/>
- از مجموعه داده‌های واقعی برای نشان دادن مسائل مختلف داده‌ای
که در ادبیات به آنها پرداخته نشده است، از جمله فواصل نابرابر در
گروه‌های سنی و دوره‌ای و غیره استفاده می‌کند.
حاوی دستورالعمل مدل سازی گام به گام و برنامه های R برای نشان
دادن نحوه انجام تجزیه و تحلیل APC و نحوه انجام پیش بینی برای
آینده
منعکس کننده جدیدترین پیشرفت در مدل سازی و تجزیه و تحلیل APC از
جمله برآوردگر ذاتی است. br />
ونجیانگ فو استاد آمار در دانشگاه هیوستون است. علایق تحقیقاتی
پروفسور فو شامل مدل سازی داده های بزرگ، تحقیقات آماری کاربردی
در مطالعات سلامت و ژنوم انسانی و تجزیه و تحلیل داده های پیچیده
اقتصادی و علوم اجتماعی است.
توضیحاتی درمورد کتاب به خارجی
Age-Period-Cohort analysis has a wide range of applications,
from chronic disease incidence and mortality data in public
health and epidemiology, to many social events (birth, death,
marriage, etc) in social sciences and demography, and most
recently investment, healthcare and pension contribution in
economics and finance. Although APC analysis has been studied
for the past 40 years and a lot of methods have been developed,
the identification problem has been a major hurdle in analyzing
APC data, where the regression model has multiple estimators,
leading to indetermination of parameters and temporal
trends.A Practical Guide to Age-Period Cohort Analysis: The
Identification Problem and Beyondprovides practitioners a
guide to using APC models as well as offers graduate students
and researchers an overview of the current methods for APC
analysis while clarifying the confusion of the identification
problem by explaining why some methods address the problem well
while others do not.
Features
- Gives a comprehensive and in-depth review of models and
methods in APC analysis.
- Provides an in-depth explanation of the identification
problem and statistical approaches to addressing the problem
and clarifying the confusion.
- Utilizes real data sets to illustrate different data issues
that have not been addressed in the literature, including
unequal intervals in age and period groups, etc.
Contains step-by-step modeling instruction and R programs to
demonstrate how to conduct APC analysis and how to conduct
prediction for the future
Reflects the most recent development in APC modeling and
analysis including the intrinsic estimator
Wenjiang Fu is a professor of statistics at the University of
Houston. Professor Fu's research interests include modeling big
data, applied statistics research in health and human genome
studies, and analysis of complex economic and social science
data.
فهرست مطالب
Content: 1. Motivation of APC Analysis What Is Age-Period-Cohort Analysis? Why Age-Period-Cohort Analysis? Four Data Sets in APC Studies Special Features of These Data Sets Data Source R Programming and Video Online Instruction Suggested Readings Exercises 2. Preliminary Analysis of APC Data | Graphic Methods D Plots in Age, Period, and Cohort D Plots in Age, Period, and Cohort Suggested Readings Exercises 3. Preliminary Analysis of APC Data | Basic Models Linear Models for Continuous Response Single Factor Models Two Factor Models R Programming for Linear Models Loglinear Models for Discrete Response Single Factor Models Two Factor Models Modeling Over-dispersion with Quasi-likelihood R Programming for Loglinear Models Suggested Readings Exercises 4. APC Models | Complexity with Linearly Dependent Co-variates Lexis Diagram and Patterns in Age, Period, and Cohort Lexis Diagram and Dependence among Age, Period, and Cohort Explicit Pattern in APC Data with Identical Spans in Age and Period Implicit Pattern in APC Data with Unequal Spans in Age and Period Complexity in Full Age-Period-Cohort Models Regression with Linearly Dependent Covariates Age-Period-Cohort Models and Complexity R Programming for Generating the Design Matrix for APC Models Suggested Readings Exercises 5. APC Models | The Identi_cation Problem and Approaches The Identification Problem and Confusion Two Popular Approaches to the Identification Problem Constraint Approach Estimable Function Approach Other Approaches to the Identification Problem Suggested Readings Exercises 6. Intrinsic Estimator, the Rationale and Properties Structure of Multiple Estimators Intrinsic Estimator: Unbiased Estimates and Other Properties Robust Estimation via Sensitivity Analysis Summary of Asymptotic Properties of the Multiple Estimators Computation of Intrinsic Estimator and Standard Errors Computation of Intrinsic Estimator Computation of Standard Errors Suggested Readings Exercises 7. Data Analysis with Intrinsic Estimator and Comparison Illustration of Data Analysis with the Intrinsic Estimator Modeling Lung Cancer Mortality Data among US Males Intrinsic Estimator of Linear Models Intrinsic Estimator of Loglinear Models Modeling the HIV Mortality Data Intrinsic Estimator of Linear Models Intrinsic Estimator of Loglinear Models Illustration of Data Analysis with Constrained Estimators Illustration of Equality Constraints Illustration of Non-contrast Constraints Suggested Readings Exercises 8. Asymptotic Behavior of Multiple Estimators | Theoretical Results Settings and Strategies to Study the Asymptotics of MultipleEstimators Assumptions and Regularity Conditions for the Asymptotics Asymptotics of Multiple Estimators Asymptotics of Multiple Estimators with Fixed t Asymptotics of Linearly Constrained Estimators Linear constraint on age effects Linear constraint on period or cohort effects Estimability of Intrinsic Estimator Suggested Readings Exercises 9. Variance Estimation and Selection of Side Condition Variance Estimation of the Intrinsic Estimator The Delta Method for the Variance of Period and Co-hort Effect Estimates Comparison of Standard Errors between the PCA and Delta Methods Selection of Side Condition Side Conditions for One-way ANOVA Models Side Conditions for Two-way ANOVA Models Side Conditions for Age-Period-Cohort Models Conclusion on Side Condition Selection Suggested Readings Exercises 10. Unequal Spans in Age and Period Groups APC Data with Unequal Spans The Intend-to-Collapse (ITC) Method APC Models for Unequal Spans Identi_cation Problem and Intrinsic Estimator for Unequal Span Data Multiple Estimators and Identi_cation Problem The Intrinsic Estimator for Unequal Span Data Analysis of Unequal Span Data Fitting Unequal Span Data with R Function apclinkfit Exercises Bibliography Index
