打字猴:1.702649271e+09
1702649271
1702649272   办事人员            -13.76       -0.18
1702649273
1702649274   销售和服务人员         -12.97       -0.77
1702649275
1702649276   体力工人            -2.33        0.87
1702649277
1702649278   农民               1.00        1.00
1702649279
1702649280 显然,管理人员的子女比其他从业人员的子女更有可能获得高地位职业。相比较而言,专业人士的子女却极有可能向下流动,这可能反映出此类别中很强的异质性特征;这一类别包括村会计、教师和许多技术人员,这些职位并不要求具有大专及以上学历。受访者职业的测度得分排列相当不整齐,尽管这些得分比父亲职业的得分小很多。该得分反映出体力工人和非体力劳动者之间明显的界限,不过各种家庭背景的人流动到专业人士职位都比流动到办事人员或管理人员职位更容易。Wu和Treiman(2007)在只针对男性的分析中也得到同样显著的结果,尽管不如这个显著。他们认为,该结果反映出中国特有的制度——居民户籍制度,这使农村非农业人士的子女容易向下流动进入农业,但创建出一个使得优秀的农民子女可以向上流动进入专业技术职业的路径。
1702649281
1702649282 把这些结果与相应的行—列效应模型I的结果相比较将非常有启发意义:
1702649283
1702649284                  父亲的职业     受访者的职业
1702649285
1702649286   专业人士             0.00        0.00
1702649287
1702649288   管理人员            -0.66        0.25
1702649289
1702649290   办事人员            -0.86        0.51
1702649291
1702649292   销售和服务人员         -1.15        0.92
1702649293
1702649294   体力工人            -1.33        1.29
1702649295
1702649296   农民              -1.66        1.53
1702649297
1702649298 行—列效应模型产生的排序结果,与我们假设的分类排序一致。因此,某些分析者可能会选择此模型,因为按照似然比准则,除了RC模型外,它是本章所有估计的模型(见表12-11)中拟合最好的模型——尽管它的BIC值还不是最小。但是,尽管按照BIC标准行—列效应模型非常接近RC模型,但行—列效应模型显然不正确。
1702649299
1702649300 我们用RC模型能够计算专业人士子女成为专业人士而非农民的比率与农民子女的相应比率的相对比率。因为中国流动表的关联系数β为0.0455(这是显示表中变量之间缺乏关联性的另一个指标),我们用公式12.24求得logθ=0.0455(0-1)(0-1)=0.0455,这意味着比率比为1.047(=e0.0455)。显然,专业人士的子女将继承父亲的职业而非成为农民的比率,并不比农民的子女成为专业人士而非继承父亲职业的比率大多少。
1702649301
1702649302 这与我们用统一关联模型和线性乘线性关联模型计算的结果非常不同。这又戏剧性地引导我们回到之前强调的问题:在做推论前应该先找到正确的模型〔该结果也非常不同于行—列效应模型I的结果,模型I显示专业人士的子女成为专业人士而非农民的可能性是农民子女的2倍左右(因为e0.65=1.92)〕。尽管如此,我们在这里建议选择线性乘线性关联模型,该模型将流动视为职业地位类别之间差异的函数,这样做的原因是它的BIC值最小。
1702649303
1702649304 扩展
1702649305
1702649306 这里讨论的简约模型还可以扩展到2个变量以上。最常见的应用是在不同背景(如不同时期、国家、种族等)之间比较双变量表,但是更一般化的扩展也是可能的。许多此类方法可以在下一节简要回顾中提及的文献中找到。
1702649307
1702649308
1702649309
1702649310
1702649311 量化数据分析:通过社会研究检验想法 [:1702644806]
1702649312 量化数据分析:通过社会研究检验想法 文献注释
1702649313
1702649314 有关对数线性分析有大量相关文献,包括从数学背景有限的社会科学家的著作,到有关纯数理统计学的专著。最常用的包括Davis(1974)、Knoke和Burke(1980)、Gilbert(1981),以及Powers和Xie(2000),其中Powers和Xie的研究可能是最好的。Knoke和Burke的书写得非常简洁且提供了非常好的介绍,但没有包括在过去25年的研究文献中出现的许多不同类型的模型。另外一些较数学化但仍然被社会科学家推崇的著作有Bishop、Fienberg和Holland(1975),Upton(1978),Fienberg(1980),Agresti(2002),以及Goodman的一些文章和书籍(例如,Goodman,1972;1978;1984)。
1702649315
1702649316 此外,也有一些基于代际职业流动的分析发展出的文献,但它们也适合许多其他应用。在Goodman的基础上,其他的重要文章和书籍包括Hauser(1978;1980),Duncan(1979),Clogg(1982),Grusky和Hauser(1984),Hout(1983;1984),Sobel、Hout和Duncan(1985),Yamaguchi(1987),Becker和Clogg(1989),Mare(1991),Xie(1992),Erikson和Goldthorpe(1992a;1992b),Hout和Hauser(1992),Goodman和Hout(1998),Fu(2001),Pisati(2001)及Park和Smits(2005)。
1702649317
1702649318 估计对数线性模型的其他软件 GLIM可通过网站http://www.nag.co.uk/stats/GDGE_soft.asp购买。Goodman和Hout(1998)文章中的具体例子可以从卡内基梅隆大学统计系的资料室(Carnegie Mellon University Statistics Department’s StatLib:http://lib.stat.cmu.edu/DOS/general)下载两个相应的Microsoft Office Excel 97工作簿。这些文件(“mobility.xls”和“voting.xls”)包含了文章中例子的原始数据、GLIM结果和图示。
1702649319
1702649320 Vermunt的软件lem(1997),以及附加文本(Vermunt,1997)可以免费下载。寻找下载地址的最好方法是在搜索引擎中搜“homepage jeroen vermunt”。文本非常晦涩,但软件附带许多容易仿效的具体实例。
[ 上一页 ]  [ :1.702649271e+09 ]  [ 下一页 ]