混合模型在 APC 模型参数估计中的运用
10
变量间共线性导致的 APC 模型“不可识别”难题一直是 APC 模型的研究难
点。如何将年龄、时期、队列效应进行分解?如何计算年龄、时期、队列效应
变动情况?如何在控制年龄、时期效应情况下,分析队列效应变动情况?如何
实现模型参数可识别?带着这些疑问,笔者阅读大量有关 APC 模型参数估计方
法的研究论文。受 O’Brien(2008)和 Yang(2008)论文启发,考虑到混合效
应模型在处理分层数据时的优势,笔者尝试将出生队列视为分组变量,建立混
合效应模型(也称为分层模型),试图更好解释年龄、时期、队列因素对目标观
测变量影响。鉴于 APC 数据可以分为汇总数据和含个体信息数据,而这两类数
据在应用混合效应模型时存在差异,所以本文在第三、四章分别针对汇总数据
和含个体信息数据建立 APC 混合模型和分层 APC 模型,介绍模型假设、基本原
理、参数估计方法、模型适用范围等内容。
本文共分为五章。
第一章为文章引言部分。第一节主要介绍本文研究背景,第二节主要介绍
国内外有关 APC 模型研究现状,第三节主要介绍本文研究思路及框架。
第二章介绍 APC 模型基本原理。第一节介绍 APC 数据格式,第二节介绍如
何对 APC 数据进行描述性分析,第三节介绍 APC 模型的基本形式,第四节介绍
APC 模型参数估计难点,第五节主要介绍 APC 模型常用估计方法,第六节对第
五节介绍模型常用估计方法进行比较分析,第七节主要介绍 APC 模型选择及评
价标准。
第三章介绍如何运用混合效应模型对汇总 APC 数据进行建模。本文将该方
法称为 APC 混合模型,模型介绍部分主要涉及:APC 混合模型基本形式、APC
混合模型常用估计方法及该模型的优缺点及适用范围。
第四章介绍如何运用混合效应模型对含个体信息 APC 数据进行建模。本文
将此方法称为分层 APC 模型,模型介绍部分主要涉及:分层 APC 模型基本形式、
分层 APC 模型常用估计方法及模型优缺点、适用范围。
第五章为本文实证分析部分,主要包括一个汇总数据实证分析和一个含个
体信息观测数据实证分析。由于国内相关研究不多,数据难以获得,本文汇总
数据实证分析部分是对刁玉涛等(2008)论文中乌鲁木齐市 1978 年~1997 年
恶性肿瘤死亡率数据进行再次分析,试图通过建立混合效应模型从数据中挖掘
更多信息。本文含个体信息观测数据实证分析部分则是针对美国 GSS 数据进行
分析,建立分层 APC 模型。需要特别说明的是,本文实证分析主要目的是介绍
两种数据分析思路及模型建立方法,虽然文中有将 APC 混合模型与传统 APC 模
型参数估计方法进行比较,但由于研究数据限制,这些对不同 APC 模型参数估
计结果比较分析的结论仅对本数据适用,不具备推广性。在文章最后,笔者对