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：
1702649140
1702649141
logFij=μ+μRi+μCj+βij （12.13）
1702649142
1702649143
其中，β表示行水平与列水平的关联强度。根据这一点，行分类i和i′与列分类j和j′之间的对数比率比为：
1702649144
1702649145
log θ=β（i-i′）（j-j′） （12.14）
1702649146
1702649147
表12-11显示了统一关联模型在完全拟合和不拟合对角线单元格情况下的拟合优度统计量。如表所示，当对角线单元格没有完全拟合时，统一关联模型的拟合很差。原因很简单：人们更可能留在和父亲同样的职业类别当中。这种趋势可以通过完全拟合对角线单元格来发现，否则就可能被忽视。但是，出于这一原因，除非对角线单元格被完全准确地估计，否则表12-11中没有一个关联模型拟合得好。
1702649148
1702649149
但是，当对角线单元格被准确估计时，统一关联模型拟合得非常好，我们得到β=0.046。例如，从公式12.14我们能看到，这意味着专业人士的子女成为专业人士而非农民的比率是农民子女相应比率的3倍多：0.046（1-6）（1-6）=1.150；e1.150=3.158。这实际上是一个非常低的比率比，它符合一般的观点：代际流动在中国比其他大多数国家更容易〔但Wu和Treiman（2004，2007）提出了一个相反的观点〕。
1702649150
1702649151
线性乘线性关联模型
1702649152
1702649153
现在假设我们不仅知道简单的类别之间的序次，而且知道更多的信息，例如，我们还知道社会经济地位得分，那么，我们可以估计一个线性乘线性关联模型（linear-by-linear association models），这里用测度得分来代替分类标志。与公式12.13相对应，我们有：
1702649154
1702649155
logFij=μ+μRi+μCj+βxiyj （12.15）
1702649156
1702649157
对数比率比为：
1702649158
1702649159
log θ=β（xi-xi′）（yj-yj′） （12.16）
[
上一页 ]
[ :1.70264911e+09 ]
[
下一页 ]