ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Age-period-cohort analysis: new models, methods, and empirical applications

دانلود کتاب تجزیه و تحلیل سن-دوره کوهورت: مدل ها ، روش ها و برنامه های جدید تجربی

Age-period-cohort analysis: new models, methods, and empirical applications

مشخصات کتاب

Age-period-cohort analysis: new models, methods, and empirical applications

دسته بندی: آمار ریاضی
ویرایش:  
نویسندگان: ,   
سری: Interdisciplinary statistics 
ISBN (شابک) : 9781466507524, 1466507527 
ناشر: CRC Press 
سال نشر: 2013 
تعداد صفحات: 339 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت

قیمت کتاب (تومان) : 32,000



کلمات کلیدی مربوط به کتاب تجزیه و تحلیل سن-دوره کوهورت: مدل ها ، روش ها و برنامه های جدید تجربی: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی، آمار ریاضی کاربردی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 15


در صورت تبدیل فایل کتاب Age-period-cohort analysis: new models, methods, and empirical applications 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 تجزیه و تحلیل سن-دوره کوهورت: مدل ها ، روش ها و برنامه های جدید تجربی 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 تجزیه و تحلیل سن-دوره کوهورت: مدل ها ، روش ها و برنامه های جدید تجربی

تحلیل سن-دوره-کوهورت: مدل‌ها، روش‌ها و کاربردهای تجربی جدید بر اساس یک دهه کار مشترک نویسندگان در تحلیل گروه سنی-دوره-کوهورت (APC) است. در یک چارچوب مدل‌سازی آماری HAPC-GLMM منفرد، نویسندگان مدل‌ها و روش‌های APC را برای سه طرح تحقیقاتی ترکیب می‌کنند: جداول سن به دوره زمانی نرخ یا نسبت‌های جمعیت، بررسی‌های نمونه مقطعی مکرر، و مطالعات پانل طولی تسریع‌شده. نویسندگان نشان می‌دهند که چگونه کاربرد تجربی مدل‌ها برای مشکلات مختلف منجر به یافته‌های جذاب بسیاری در مورد چگونگی توسعه متغیرهای پیامد در طول ابعاد سن، دوره و همگروهی می‌شود. این کتاب دو کمک اساسی به مطالعات کمی تغییرات مرتبط با زمان می کند. از طریق معرفی چارچوب GLMM، نشان می‌دهد که چگونه می‌توان از روش‌های تخمین نوآورانه و مشخصات مدل جدید برای مقابله با «مشکل شناسایی مدل» که توسعه و کاربرد تجربی تحلیل APC را مختل کرده است، استفاده کرد. این کتاب همچنین با توضیح استفاده از مدل‌های جدید در چارچوب GLMM برای کشف مکانیسم‌های نهفته در الگوهای سنی و روندهای زمانی، به انتقادات عمده علیه تحلیل APC می‌پردازد. این کتاب که هم ارائه‌های روش‌شناختی و هم مطالعات تجربی را در بر می‌گیرد، راه‌هایی را بررسی می‌کند که در آن‌ها می‌توان از مدل‌های آماری، روش‌ها و طرح‌های تحقیقاتی برای گشودن فرصت‌های جدید برای تحلیل APC استفاده کرد. مدل‌ها و روش‌های جدید و موجود را با هم مقایسه می‌کند و دستورالعمل‌های مفیدی در مورد نحوه انجام تحلیل APC ارائه می‌دهد. برای تصاویر تجربی، متن نمونه هایی از رشته های مختلف مانند جامعه شناسی، جمعیت شناسی و اپیدمیولوژی را در بر می گیرد. همراه با جزئیات در مورد تجزیه و تحلیل های تجربی، نرم افزار و برنامه هایی برای تخمین مدل ها در صفحه وب کتاب موجود است.


توضیحاتی درمورد کتاب به خارجی

Age-Period-Cohort Analysis: New Models, Methods, and Empirical Applications is based on a decade of the authors’ collaborative work in age-period-cohort (APC) analysis. Within a single, consistent HAPC-GLMM statistical modeling framework, the authors synthesize APC models and methods for three research designs: age-by-time period tables of population rates or proportions, repeated cross-section sample surveys, and accelerated longitudinal panel studies. The authors show how the empirical application of the models to various problems leads to many fascinating findings on how outcome variables develop along the age, period, and cohort dimensions. The book makes two essential contributions to quantitative studies of time-related change. Through the introduction of the GLMM framework, it shows how innovative estimation methods and new model specifications can be used to tackle the "model identification problem" that has hampered the development and empirical application of APC analysis. The book also addresses the major criticism against APC analysis by explaining the use of new models within the GLMM framework to uncover mechanisms underlying age patterns and temporal trends. Encompassing both methodological expositions and empirical studies, this book explores the ways in which statistical models, methods, and research designs can be used to open new possibilities for APC analysis. It compares new and existing models and methods and provides useful guidelines on how to conduct APC analysis. For empirical illustrations, the text incorporates examples from a variety of disciplines, such as sociology, demography, and epidemiology. Along with details on empirical analyses, software and programs to estimate the models are available on the book’s web page.



فهرست مطالب


 Content: Introduction  Why Cohort Analysis? Introduction The Conceptualization of Cohort Effects Distinguishing Age, Period, and Cohort Summary  APC Analysis of Data from Three Common Research Designs Introduction Repeated Cross-Sectional Data Designs Research Design I: Age-by-Time Period Tabular Array of Rates/Proportions Research Design II: Repeated Cross-Sectional Sample Surveys Research Design III: Prospective Cohort Panels and the Accelerated Longitudinal Design  Formalities of the Age-Period-Cohort Analysis Conundrum and a Generalized Linear Mixed Models (GLMM) Framework Introduction Descriptive APC Analysis Algebra of the APC Model Identification Problem Conventional Approaches to the APC Identification Problem Generalized Linear Mixed Models (GLMM) Framework  APC Accounting/Multiple Classification Model, Part I: Model Identification and Estimation Using the Intrinsic Estimator Introduction Algebraic, Geometric, and Verbal Definitions of the Intrinsic Estimator Statistical Properties Model Validation: Empirical Example Model Validation: Monte Carlo Simulation Analyses Interpretation and Use of the Intrinsic Estimator  APC Accounting/Multiple Classification Model, Part II: Empirical Applications Introduction Recent U.S. Cancer Incidence and Mortality Trends by Sex and Race: A Three-Step Procedure APC Model-Based Demographic Projection and Forecasting  Mixed Effects Models: Hierarchical APC-Cross-Classified Random Effects Models (HAPC-CCREM), Part I: The Basics Introduction Beyond the Identification Problem Basic Model Specification Fixed versus Random Effects HAPC Specifications Interpretation of Model Estimates Assessing the Significance of Random Period and Cohort Effects Random Coefficients HAPC-CCREM  Mixed Effects Models: Hierarchical APC-Cross-Classified Random Effects Models (HAPC-CCREM), Part II: Advanced Analyses Introduction Level 2 Covariates: Age and Temporal Changes in Social Inequalities in Happiness HAPC-CCREM Analysis of Aggregate Rate Data on Cancer Incidence and Mortality Full Bayesian Estimation HAPC-Variance Function Regression  Mixed Effects Models: Hierarchical APC-Growth Curve Analysis of Prospective Cohort Data Introduction Intercohort Variations in Age Trajectories Intracohort Heterogeneity in Age Trajectories Intercohort Variations in Intracohort Heterogeneity Patterns Summary  Directions for Future Research and Conclusion Introduction Additional Models Longitudinal Cohort Analysis of Balanced Cohort Designs of Age Trajectories Conclusion  Index  References appear at the end of each chapter.




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی