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。
1702649321
1702649322
Pisati用来估计统一层效应模型（uniform layer-effect model）的Stata-ado-文件，可以在Stata软件中键入“net search pisati”下载（需要联网），然后在“http：//www.stata.com/stb/stb55”页面点击sg142。
1702649323
1702649324
John Hendrickx编写了一个估计RC模型（公式12.23）的-ado-文件——-rc2-。可以在Stata中先键入“net search rc2”，然后在http：//fmwww.bc.edu/RePEc/bocode/r页面点击rc2，按照提示下载安装。在此，非常感谢Maarten Bois告诉我们Hendrickx的程序。
1702649325
1702649326
对于希望比较不同背景下的对数线性模型的分析者，Goodman和Hout在1998年发表的文章是非常有价值的。Goodman和Hout用GLIM软件估计了他们的模型，GLIM是与Stata具有很强竞争关系的英国软件。这些模型——实际上任何其他对数线性或对数乘积模型都能够用荷兰Tilburg大学Jeroen Vermunt发展的lem软件估计。Goodman和Hout讨论的一系列模型都可以用Stata中Pisati（2001）编写的-ado-文件估计；也可见Yamaguchi（1987）和Xie（1992）的文献，他们最早提出这些模型的构想。
1702649327
1702649328
除了在社会流动方面的应用，对数线性模型在大量其他问题方面的应用可以在Sociological Abstracts或其他文献数据库中查找。〔我们于2007年11月24日在Sociological Abstracts中搜到810条以“log linear”（包括“loglinear”和“log-linear”两种变体）为关键词的结果。〕
1702649329
1702649330
1702649331
1702649332
1702649333
量化数据分析：通过社会研究检验想法 [:1702644807]
1702649334
量化数据分析：通过社会研究检验想法 本章小结
1702649335
1702649336
我们在本章看到，如何用对数线性分析来检验多维表中的变量之间是否存在相关的假设。这些工具为我们检验与百分数表有关的假设提供了强有力的方法。此外，我们看到，如何用各种模型简约地概括二维表中的关联模式，并在各种模型中确定拟合最佳的模型。虽然本章讨论的大量简约模型的实例来自社会流动研究领域——这些研究曾推动了大多数模型的发展，但这些模型也可以被应用在其他更多的实际问题上。
1702649337
1702649338
1702649339
1702649340
1702649341
量化数据分析：通过社会研究检验想法 [:1702644808]
1702649342
量化数据分析：通过社会研究检验想法 附录12.A 效应参数的推导
1702649343
1702649344
为了理解η和τ的含义，可以仔细思考一张2×2表的饱和模型。回想公式12.1，表中每个单元格的期望频数可以用τ来表示：
1702649345
1702649346
1702649347
1702649348
1702649349
我们先用其中任何一个方程与其他三个相乘，并将其简化（回想公式12.6中各个τ之间的关系），从而得到：
1702649350
1702649351
η=（F11F12F21F22）1/4 （12.A.2）
1702649352
1702649353
因此，η只是期望单元格频数的几何均值（一组n个数值的几何均值是它们的乘积开n次方）。从这个意义上讲，η是一个测度因子；这样做的原因是考虑到各个表中每个单元格具有不同的平均样本数。
1702649354
1702649355
接下来，我们将行效应表示为单元格频数的函数。我们可以将两个条件比率的乘积写作η和τ的函数，并将其简化：
1702649356
1702649357
1702649358
1702649359
1702649360
因此，