1702649090
1702649091
此识别方法意味着6×6表中单元格的交互项参数可以表示成如下形式（对角线单元格完全拟合）：
1702649092
1702649093
ξ1 v1 v1v2 v1v2v3 v1v2v3v4 v1v2v3v4v5
1702649094
1702649095
v1 ξ2 v2 v2v3 v2v3v4 v2v3v4v5
1702649096
1702649097
v1v2 v2 ξ3 v3 v3v4 v3v4v5
1702649098
1702649099
v1v2v3 v2v3 v3 ξ4 v4 v4v5
1702649100
1702649101
v1v2v3v4 v2v3v4 v3v4 v4 ξ5 v5
1702649102
1702649103
v1v2v3v4v5 v2v3v4v5 v3v4v5 v4v5 v5 ξ6
1702649104
1702649105
这些参数可以通过加总6个设计矩阵——每个设计矩阵表示一个跨越参数（共5个），加上一个对角线设计矩阵（diag_dm），然后取反对数得到。针对没有完全拟合对角线单元格的模型也是通过同样的方法估计，但这里省略了对角线设计矩阵。下面是针对跨越参数的5个设计矩阵：
1702649106
1702649107
0 1 1 1 1 1 0 0 1 1 1 1 0 0 0 1 1 1 0 0 0 0 1 1 0 0 0 0 0 1
1702649108
1702649109
1 0 0 0 0 0 0 0 1 1 1 1 0 0 0 1 1 1 0 0 0 0 1 1 0 0 0 0 0 1
1702649110
1702649111
1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 1 1 1 0 0 0 0 1 1 0 0 0 0 0 1
1702649112
1702649113
1 0 0 0 0 0 1 1 0 0 0 0 1 1 1 0 0 0 0 0 0 0 1 1 0 0 0 0 0 1
1702649114
1702649115
1 0 0 0 0 0 1 1 0 0 0 0 1 1 1 0 0 0 1 1 1 1 0 0 0 0 0 0 0 1
1702649116
1702649117
1 0 0 0 0 0 1 1 0 0 0 0 1 1 1 0 0 0 1 1 1 1 0 0 1 1 1 1 1 0
1702649118
1702649119
cr1_dm cr2_dm cr3_dm cr4_dm cr5_dm
1702649120
1702649121
正如我们在表12-11中看到的，跨越模型（crossings models）比前面讨论的任何其他模型拟合得都好。有趣的是，依照BIC标准，完全拟合对角线单元格略微降低了拟合程度，可能是因为跨越参数已经很好地描述了在对角线和非对角线上单元格之间的流动特征，因此如果要精确地拟合对角线单元格将使用额外的自由度，从而造成BIC的损失。
1702649122
1702649123
对于较简单的跨越模型，其跨越参数为
1702649124
1702649125
v1= -0.138
1702649126
1702649127
v2= 0.002
1702649128
1702649129
v3= -0.203
1702649130
1702649131
v4= -0.228
1702649132
1702649133
v5= -1.033
1702649134
1702649135
显然，目前最困难的转型（跨越）是农业职业与非农职业（特别是体力职业）之间的跨越；这在各个社会都一样，中国也不例外。有趣的是，难度最小的转型是管理人员与办事人员之间的转变。不过这也并不奇怪，因为在中国办事人员的工作与带有管理性质的工作之间并没有显著区别。最优秀的、最聪明的办事人员常常被提拔为管理人员。这种代际内的流动模式也可以被很好地用于代际的流动，即可以将办事人员的岗位看作管理人员子女的职业起点，而将管理人员职位看作是办事人员子女努力向上流动的目标。最后，这个结果可能源于将男女样本合并起来分析，有可能管理人员的女儿更可能成为办事人员。
1702649136
1702649137
统一关联模型
1702649138
1702649139
当表中的类别是有序的时候，相比于名义变量模型，我们可以估计更加简约的模型。最简单的这类模型假设每对相邻类别之间的差异相等，因此每个变量的测度可以用连续整数表示。此模型可表示为：
[
上一页 ]
[ :1.70264909e+09 ]
[
下一页 ]