《事件史统计分析法讲课提纲》由会员分享，可在线阅读，更多相关《事件史统计分析法讲课提纲（45页珍藏版）》请在金锄头文库上搜索。
1、1事件史方法基本概念 1 事件史统计分析法讲课提纲 斯坦福大学 周雪光 讲座提纲 第一讲 事件史分析法的研究对象、资料要求、统计基础 第二讲 事件史方法中离散时间统计模式 (discrete-time hazard model) 第三讲 事件史方法中的COX模型 (The Cox proportional hazard model) 第四讲 事件史分析法中的参数方程 (Parametric hazard models) 第五讲 事件史方法在实际研究中的应用 课程的重点 事件史统计方法的基本概念和模型 动手能力：建构事件史资料、应用统计分析工具、解释统计结果 阅读材料 1统计方法参考资料 粱在。
2、“事件史分析”。 Hans-Peter Blossfeld and Gotz Rohwer. 2002. Techniques of Event History Modeling: New Approaches to Causal Analysis. NJ: Lawrence Erlbaum Associates. Mario A. Cleves, William W. Gould, and Roberto G. Gutierrez. 2002. An Introduction to Survival Analysis Using STATA. College Station, Texas:
3、Stata Corporation. 2研究应用的例子 周雪光、候立仁。1999。“文革中的孩子们当代中国的国家与生命历程。”中 国社会学第二卷，第372-407页。上海人民出版社。（译自Xueguang Zhou and Liren Hou. 1999. “Children of the Cultural Revolution: The State and Life Course in PRC.” ASR 64: 12-36.） Jesper B. Sorensen. 2000. “The Longitudinal Effects of Group Tenure Composition on
4、 Turnover.” American Sociological Review 65: 298-310. 1事件史方法基本概念 2 第一讲、第一讲、 事件史分析的基本概念、资料要求、描述性事件史分析的基本概念、资料要求、描述性统计统计 本讲提纲 1 为什么需要事件史分析方法？ 2 事件史分析的基本概念 3 事件史分析的资料要求 4 事件史分析中的描述性统计手段 1为什么使用为什么使用事件史分析方法？事件史分析方法？ 事件史分析：研究社会现象动态过程的一类统计模式 理论兴趣：研究社会现象变迁的过程 因果关系的模式化（时间序列） 控制潜在特质的影响（能力与入党、提干之间关系） 例子 社会分层：
5、一个人在劳动力市场上的就业过程（就业、换工作、再就业） 职位提升：何时、为什么？ 人口学： 出生、死亡、结婚、离婚等事件发生的时间性和原因 组织社会学： 干部升迁、调动 一个组织类型的产生、扩展、衰落：时间性和原因 组织采纳某种形式（M-form）或做法（组织制度）的原因 其他： 成人重新就学的时间性和原因 入党、培训机会等 1事件史方法基本概念 3 这些现象（因变量）的特点 因变量：事件（离散型变量） o 可数、整数、是/否，存在/不存在 时间序列过程是关注点：时间性的因素（timing） o 提升：是否、什么时间 o 何时：时间维度需要多长时间才能经历到如此事件？ o 时间不是原因，但是因
6、果关系体现在时间维度 为什么：产生这些现象的因果过程： o 提升：历史背景、是否党员、单位类型，等等 o 结婚：教育程度、就业状况、历史背景，等等 一个例子： 入党事件（是/否）： 建立“理论”模型 o 因变量：入党与否 o 解释变量：年龄、性别、教育、工作单位、父亲地位 使用cross-sectional资料进行分析 o 为什么有问题？ o 变量之间关系不是事件发生时的关系：教育、工作单位 使用事件史分析方法 1事件史方法基本概念 4 入党的事件史的描述 ID 事件演变的时间序列 1 0 0 0 0 0 2 0 0 0 0 3 0 0 0 0 0 4 0 0 1 0 0 5 0 0 0 0
7、0 1 . 时间 x censored o 经历了“入党”事件 x x x o x o 时间 1事件史方法基本概念 5 2. 事件史分析方法的基本概念事件史分析方法的基本概念 事件： 1离散型变量: 0/1 2变量值随着时间而变化 例子：结婚、提升、换工作，等等 事件史 ：有关事件变化和相应时间性的时间序列的记录。 例子：有关一个人工作经历历史的记录（第一次工作，工作变化的 类型和时间） 非重复性事件（出生、死亡、入党）、重复性事件（提升、结婚） “风险集”的概念 在某一时间点上（或时间区间内）所有可能经历某一事件的人（样 本）的集合。 风险集的概念十分重要 例子： 结婚事件 入党事件 教育机
8、会 资料的考虑： 使用了更多的信息：事件是否发生、何时发生、因果关系的时间性 对资料有很高的要求 对资料的设置有很高的要求 删截: 左删节 很难在统计上处理; 右删节: 常见。 随观察（资料收集）结束而结束；随机现象； 系统偏差：时间追踪的婚姻调查：退出样本的人可能有婚 姻问题 中间删节：事件史过程中的某一部分时间段不详。可以处理。 有关删截的进一步讨论 1事件史方法基本概念 6 不同“删截”情形的讨论： A没有进入抽样框架，没有观察，左删截。 B“左删截”。 C全部过程完全观察到，在统计上没有问题； D观察到开始及大部分过程，但从样本“消失”（drop out）。是否随机？ E“右删截”，可
9、以统计处理。 F没有进入抽样框架，右删截。 G开始与结束没有观察到，“左、右删截”。 注意：我们假设，如果“右删截”发生，这是一个随机过程； 中间删截：知道“事件”发生，但是不知道过去的确切时间。 1事件史方法基本概念 7 因果过程的时间性：（统计意义上） 连续型 离散型 在概念上，总是连续型的 解释变量： 不随时间变化：性别 随时间变化：收入、职务 事件史研究：有关事件史的统计分析方法。 实证研究要考虑的问题: 理论上：什么样的因果过程导致了我们观察到的这些实证状况？ o 就业、换工作的流动状况 o 入党的分布状况 统计上: o 什么样的统计分布过程（统计模型）可以描述我们在资料中看 到的这
10、些模式？ o 我们需要什么样的资料/信息才能对这类现象进行统计分析？ o 我们怎样处理这些“删节”的案例？ o 我们需要什么样的统计（估测estimation）方法来分析资料？ o 怎样解释统计分析的结果？ 我们的讲座主要是讨论“统计”方面的问题，特别是有关统计模式、 统计分析、和统计解释这些方面的问题。 1事件史方法基本概念 8 3 事件史方法的统计基础事件史方法的统计基础 描述和概括事件史资料有着三个基本的统计函数 -分布函数、生存函数、风险函数 1. 生命时间T （duration 持续期）的概率函数（Probability Functions of Lifetime T (durati
11、on)） 设 T为有关某事件发生的时间的随机变量，t为T的实现。设 f(t) 和 F(t) 分别为T的概率密度函数和累积概率函数。 我们有如下公式： F(t) 是有关该变量小于或等于我们所选定的某一值t的概率的函数。如果 我们知道有关t的每一个值所相应的F函数值，那么，我们有了关于T分布的 全部信息。 概率密度函数（Probability density functionp.d.f.） p.d.f. 的定义为 (2) 也就是说，p.d.f. 是c.d.f. 的导数或斜率slope。p.d.f. 与我们直观上的概 率分布性状的关联更为直接。例如，我们通常所说的钟型正态分布是概率的 密度函数，而不
12、是累积概率函数。 2. 生存函数（Survival Function ） 在生存函数分析中，我们常常使用一个密切相关的函数生存函数 (3) 1事件史方法基本概念 9 如果我们关心的事件是“死亡”，那么，生存函数提供了有关生存到时间 点t及以后的概率。 注意：如果 f(t) 是连续的，且在t = 0 and 之间不为0, 那么 S(t) 是一个 单调下降的连续性函数，S(0) = 1 and S() = lim t S(t) = C. (对于所有 无法避免的事件，如人或动物的死亡，C 为0.) 1 0 t 3. 风险函数（ Hazard Function ） 定义:某一事件在时间t尚未发生，在t
13、和t+t 之间发生的概率。 （4） h(t) 是建立事件史统计模型的关键所在。对以上公式的讨论: 这一定义的目的是对某事件在时间t发生的瞬息风险的定量化。因为时 间是连续性变量，一事件恰恰在时间t发生的概率为0。但是，我们可 以考虑该事件在t和t+t 之间极小间隔时间内发生的概率。我们需要 考虑这一事件的条件概率，即生存到时间t之后再可能经历事件的概 率。如果一个人在t时间前已经“死亡”，那么，他就已经不在风险集 内了。因此，我们只考虑那些“生存”到时间区域(t, t+t)开始时的 那些人。这些考虑反映在以上公式的分子式上：: Pr(tT using information on surviv
14、al estimates; . sts test sex, logrank; failure _d: party analysis time _t: (year-origin) origin: time riskyear id: id Log-rank test for equality of survivor functions | Events Events sex | observed expected -+- 男 | 66 43.60 女 | 30 52.40 -+- Total | 96 96.00 chi2(1) = 21.28 Prchi2 = 0.0000 . * We can crate strata of theoretical interest to conduct straified test; . gen age = year - birth; . gen age2 = age*age/100; . gen agegrp = 1; . replace agegrp = 2 if age = 30; (8928 real changes made) . tab1 agegrp; - tabulation of agegrp agegrp | Freq. Percent Cum. -+- 1 | 6,731
