事件史分析及其应用
点此进入淘宝搜索页搜索分類: 图书,社会科学,社会学,社会学方法,
作者： 杜本峰 著
出 版 社： 经济科学出版社
出版时间： 2008-5-1字数：版次： 1页数： 410印刷时间：开本： 大32开印次：纸张：I S B N ： 9787505872189包装： 平装编辑推荐
本书是国家统计局2006年重点研究项目2006B03的研究成果，同时也是国家自然科学基金(70773116)的阶段性成果之一。本书专注于事件发生的方式及其影响因素，不仅详细介绍了非参、参数、半参数风险模型以及离散和连续风险模型，而且给出了模型的选择和诊断以及时变变量、不同质总体和多事件、竞争风险等较复杂问题的事件史分析方法与应用。本书强调的是数据分析方法而非理论。对于实际的数据，解释了怎样一步一步地去完成分析过程，强调识别所研究的问题、选择合适的模型并理解其假设条件、选择合理的估计方法、解释结果以及提交研究结论。
内容简介
纵向数据的收集和应用在我国日趋广泛，但目前缺乏关于该方法的详尽讨论，国内尚未有此类专著，提供解决这一问题的方法和手段的需求越来越迫切。
本书专注于事件发生的方式及其影响因素，不仅详细介绍了非参、参数、半参数风险模型以及离散和连续风险模型，而且给出了模型的选择和诊断以及时变变量、不同质总体和多事件、竞争风险等较复杂问题的事件史分析方法与应用。本书强调的是数据分析方法而非理论。对于实际的数据，解释了怎样一步一步地去完成分析过程，强调识别所研究的问题、选择合适的模型并理解其假设条件、选择合理的估计方法、解释结果以及提交研究结论。
本书可广泛适用于经济、管理、统计、健康保险、社会学、人口学、生物与医学以及政治科学等专业的大学生和研究生及其他社会科学领域的研究者。既可作为学生的教科书，也可作为应用工作者的参考书。
作者简介
杜本峰，男，1963年出生，河南通许人，经济学博士，中国人民大学副教授。先后就读于河南大学数学系、清华大学经济管理学院和中国人民大学统计学系，分别于1984年、1997年和2003年获得理学学士、工商管理硕士和经济学博士学位。主要从事应用统汁与决策分析、人口与健康保障、人口与经济、风险评估与管理、老年金融学以及社会科学定黾分析方法等方面的研究。主持和参与多项国家或省级科研项目，在《统计研究》、《人口研究》、《经济学动态》、《数量经济技术经济研究》、《中同管理科学》等杂志上发表论文40余篇，出版著作5部。
目录
前言
第1章 引论
1.1 事件史分析
1.2 删失
1.3 事件史数据结构
1.4 事件史分析中的统计关系
1.5 事件史分析的目的及其特性
第2章 事件史建模的非参数描述方法
2.1 生命表方法
2.2 乘积限估计
2.3 生存现象的其他度量分析
应用分析：20世纪80年代以来我国妇女初婚－初育间隔分析
第3章 参数模型及其应用
3.1 参数方法概述
3.2 常用的参数模型与特征
3.3 参数模型估计方法
3.4 参数分布的选择与优度检验
第4章 半参数分析方法——Cox风险模型
4.1 Cox风险模型及其特性
4.2 比例风险假设的评估
4.3 分层Cox模型
应用分析：农村儿童受教育水平的决定因素研究——基于Cox比例风险模型的分析
第5章 离散时间数据风险模型
5.1 离散时间模型中的基本关系式
5.2 离散时间数据风险的统计模型
5.3 离散时间风险模型的表达形式
5.4 离散时间风险模型的拟合
5.5 参数估计的解释
5.6 显示拟合风险和生存函数
5.7 模型的选择和比较
5.8 离散时间风险模型的扩展
应用分析：省级迁移的离散时间风险模型实例分析
第6章 具有时变变量的事件史模型
6.1 概述
6.2 具有时变变量的Cox模型及其特性
6.3 具有时变变量的参数模型
6.4 具有时变变量的离散时间风险模型
6.5 时变变量生存模型应注意的几个问题
应用分析：用动态方法来研究职业流动
第7章 模型选择与诊断
7.1 模型选择
7.2 事件史模型诊断方法
第8章 不可观测异质性和重复事件建模
8.1 未观测异质性问题
8.2 重复事件建模
应用分析：重复事件分析在经济管理中的应用
第9章 多状态过程与竞争性风险模型
9.1 概述
9.2 竞争风险的潜在生存时间方法——对不同事件类型分别建模
9.3 Lunn-McNeil（LM）方法
9.4 竞争风险的其他处理方法
9.5 观测个体不同时点进入观测的情况处理
应用分析：竞争风险在人口健康分析中的应用
附录 事件史分析中常用统计软件简介
参考文献
书摘插图
第3章参数模型及其应用
通常，许多原因导致研究对象在特定的时间发生事件或死亡。如果研究者认为事件发生的风险随时间增加或上升，那么，可以设定一个分布函数解释这种关系。如在政治科学研究中，常使用参数方法了解诸如政治领导人的执政期限、军事冲突的持续时间等现象。因此，选择理论分布去拟合生存数据是一种重要的分析技术，在这一章中，我们将讨论一些被广泛用于描述生存时间的理论分布，概述其特性并说明其应用；同时，本章还简单讨论了参数模型的估计及分布的选择和优度检验方法。
3.1 参数方法概述
线性回归、logistic回归等是最常用的参数模型，在这些模型中，通常假定结果服从一些分布，如正态、二项分布等。其实际意义是结果服从参数未知的分布族，只有当参数已知时，确切的分布才能够完全确定。如均值为3的正态分布和均值为7的正态分布同属于正态分布族，但它们并不是完全相同的分布。
参数生存模型是生存时间（结果）假定服从已知的分布。通常用于生存时间的分布是威布尔（Weibull）、指数分布（Weibull的特例）、对数逻辑斯蒂（log-logistic）、对数正态（lognormal）和广义伽马（generalized gamma）。Stata和S-Plus等软件都支持分析这些分布。
参数模型的吸引力之处在于，由参数生存模型获得的生存估计与非参数方法相比，与理论的生存曲线更一致。如果分布假设合适的话，那么参数完全可刻画生存和风险函数。这种简单性和完全性是使用参数方法的主要魅力。
……
