固定效應(yīng)模型和隨機(jī)效應(yīng)模型是社會(huì)科學(xué)研究中的常用模型。在社會(huì)科學(xué)研究者在使用回歸模型進(jìn)行分析時(shí),有可能存在這樣一種情況,即每個(gè)案例在不同時(shí)點(diǎn)上的殘差都存在一定的相關(guān)和相互依賴,這通常是因?yàn)椴煌咐谀承┪幢挥^察到的特征上存在差異,這就違背了誤差項(xiàng)相互獨(dú)立的假設(shè),而固定效應(yīng)模型和隨機(jī)效應(yīng)模型都是用來(lái)解決殘差相關(guān)的問(wèn)題。二者均可用在從非實(shí)驗(yàn)數(shù)據(jù)中進(jìn)行有效的效果推論中。但固定效應(yīng)模型更適合被用來(lái)控制那些無(wú)法被測(cè)量的變量。本書(shū)介紹了固定效應(yīng)模型的基本原理、Logistic回歸方法,并對(duì)計(jì)數(shù)變量的固定效應(yīng)模型和事件史數(shù)據(jù)的固定效應(yīng)模型進(jìn)行了介紹。在本書(shū)的*后,作者介紹了固定效應(yīng)結(jié)構(gòu)方程模型,并以將相關(guān)軟件的應(yīng)用指令列舉在附錄中。
本書(shū)詳細(xì)描述了一些被稱為固定效應(yīng)模型的回歸模型,這些模型使得社會(huì)科學(xué)研究者有可能對(duì)統(tǒng)計(jì)學(xué)領(lǐng)域和社會(huì)科學(xué)領(lǐng)域那些沒(méi)有或無(wú)法被測(cè)量的變量進(jìn)行控制,這些方法經(jīng)常被用于隨機(jī)化的試驗(yàn)中,以提高效率而非減少偏誤,采用固定效應(yīng)模型,可能產(chǎn)生理想的低標(biāo)準(zhǔn)誤。是社會(huì)科學(xué)研究者進(jìn)行固定效應(yīng)分析的理想的參考書(shū)。
保羅 D. 阿利森(Paul D. ALLISON) 美國(guó)賓州大學(xué)社會(huì)學(xué)教授。于1976年由威斯康辛大學(xué)獲得博士學(xué)位,之后在芝加哥大學(xué)及賓州大學(xué)作統(tǒng)計(jì)學(xué)的博士后研究。關(guān)于社會(huì)科學(xué)中的統(tǒng)計(jì)方法,他已出版5本書(shū)及超過(guò)25篇文章。這些作品處理廣泛多樣的方法,包含線性回歸、對(duì)數(shù)線性分析、logit分析、probit分析、測(cè)量誤差、不平等測(cè)量、缺失數(shù)據(jù)、Markov processes及事件史分析。
第1章 導(dǎo)言
第2章 線性固定效應(yīng)模型:基本原理
第1節(jié) 兩期數(shù)據(jù)(固定效應(yīng)分析)
第2節(jié) 兩期數(shù)據(jù)差分法的擴(kuò)展
第3節(jié) 每個(gè)個(gè)體被觀察三期及以上的一階差分方法
第4節(jié) 每個(gè)個(gè)體被觀察兩期及以上的虛擬變量法
第5節(jié) 在固定效應(yīng)法中設(shè)置與時(shí)間的交互作用
第6節(jié) 與隨機(jī)效應(yīng)模型的比較
第7節(jié) 混合(模型)法
第8節(jié) 總結(jié)
第3章 固定效應(yīng)Logistic回歸
第1節(jié) 兩期數(shù)據(jù)
第2節(jié) 三期及多期數(shù)據(jù)(固定效應(yīng)分析)
第3節(jié) 與時(shí)間的交互作用
第4節(jié) 混合(模型)法
第5節(jié) 多分類反應(yīng)變量的(固定效應(yīng))方法
第6節(jié) 總結(jié)
第4章 計(jì)數(shù)變量的固定效應(yīng)模型
第1節(jié) 每個(gè)個(gè)體被觀察兩期的計(jì)數(shù)數(shù)據(jù)泊松模型
第2節(jié) 多期數(shù)據(jù)泊松模型
第3節(jié) 計(jì)數(shù)數(shù)據(jù)的固定效應(yīng)負(fù)二項(xiàng)模型
第4節(jié) 混合(模型)法
第5節(jié) 總結(jié)
第5章 事件史數(shù)據(jù)的固定效應(yīng)模型
第1節(jié) Cox回歸
第2節(jié) 帶固定效應(yīng)的Cox回歸
第3節(jié) 附加說(shuō)明
第4節(jié) Cox回歸混合模型法
第5節(jié) 非重復(fù)事件的固定效應(yīng)事件史法
第6節(jié) 總結(jié)
第6章 固定效應(yīng)結(jié)構(gòu)方程模型
第1節(jié) 隨機(jī)效應(yīng)作為潛變量的模型
第2節(jié) 固定效應(yīng)作為潛變量的模型
第3節(jié) 固定效應(yīng)和隨機(jī)效應(yīng)的折中
第4節(jié) 帶滯后自變量的交互效應(yīng)
第5節(jié) 總結(jié)
附錄1 第2章到第5章例題的Stata程序
附錄2 第6章例題的Mplus程序
注釋
參考文獻(xiàn)
譯名對(duì)照表