หลัก อื่นๆ การวิเคราะห์ช่วงอายุ-ตามกลุ่มประชากรตามรุ่น

การวิเคราะห์ช่วงอายุ-ตามกลุ่มประชากรตามรุ่น

ภาพรวม

กันต์มีเหตุจำเป็นอย่างไร

ซอฟต์แวร์

คำอธิบาย

เว็บไซต์

การอ่าน

หลักสูตร

ภาพรวม

หน้านี้อธิบายสั้นๆ เกี่ยวกับการวิเคราะห์กลุ่มอายุ-ช่วงอายุ และให้รายการทรัพยากรที่มีคำอธิบายประกอบ

คำอธิบาย

ผลกระทบของกลุ่มอายุช่วงอายุ

การวิเคราะห์กลุ่มตามช่วงอายุ (APC) มีบทบาทสำคัญในการทำความเข้าใจองค์ประกอบที่เปลี่ยนแปลงตามเวลาในด้านระบาดวิทยา โดยเฉพาะอย่างยิ่ง การวิเคราะห์ APC แยกแยะปรากฏการณ์ที่แตกต่างกันของเวลาสามประเภท: ผลกระทบของอายุ ผลกระทบของช่วงเวลา และผลกระทบของกลุ่ม (1)
เอฟเฟกต์อายุ คือความผันแปรที่เชื่อมโยงกับกระบวนการทางชีววิทยาและสังคมของความชราที่จำเพาะต่อบุคคล (2) สิ่งเหล่านี้รวมถึงการเปลี่ยนแปลงทางสรีรวิทยาและการสะสมประสบการณ์ทางสังคมที่เชื่อมโยงกับความชรา แต่ไม่เกี่ยวข้องกับช่วงเวลาหรือกลุ่มการเกิดที่บุคคลนั้นสังกัดอยู่ ในการศึกษาทางระบาดวิทยา ผลกระทบด้านอายุมักแสดงด้วยอัตราต่างๆ ของโรคในแต่ละกลุ่มอายุ
ผลกระทบประจำเดือน เป็นผลมาจากปัจจัยภายนอกที่ส่งผลกระทบอย่างเท่าเทียมกันทุกกลุ่มอายุในช่วงเวลาหนึ่งปฏิทิน อาจเกิดขึ้นจากปัจจัยด้านสิ่งแวดล้อม สังคม และเศรษฐกิจต่างๆ เช่น สงคราม ความอดอยาก วิกฤตเศรษฐกิจ การเปลี่ยนแปลงระเบียบวิธีในการกำหนดผลลัพธ์ การจำแนกประเภท หรือวิธีการรวบรวมข้อมูลอาจนำไปสู่ผลกระทบของช่วงเวลาในข้อมูล (3)
ผลกระทบตามรุ่น คือความผันแปรที่เกิดจากประสบการณ์/การเปิดเผยเฉพาะกลุ่มของตัวแบบ (กลุ่มประชากรตามรุ่น) ขณะเคลื่อนที่ข้ามเวลา กลุ่มที่กำหนดไว้มากที่สุดในระบาดวิทยาคือกลุ่มที่เกิดตามปีเกิดและอธิบายว่ามีความแตกต่างในความเสี่ยงของผลลัพธ์ด้านสุขภาพตามปีเกิด ดังนั้นผลตามรุ่นจะเกิดขึ้นเมื่อการกระจายของโรคเกิดจากการสัมผัสกระทบกลุ่มอายุต่างกัน ในระบาดวิทยา ผลกระทบของกลุ่มประชากรตามรุ่นถูกสร้างแนวคิดว่าเป็นปฏิสัมพันธ์หรือการปรับเปลี่ยนผลกระทบเนื่องจากผลกระทบของช่วงเวลาซึ่งได้รับประสบการณ์ที่แตกต่างกันผ่านการเปิดรับเฉพาะอายุหรือความอ่อนไหวต่อเหตุการณ์หรือสาเหตุนั้น (4)
ในทางตรงกันข้ามกับแนวความคิดเกี่ยวกับผลกระทบของกลุ่มประชากรตามรุ่นในฐานะการปรับเปลี่ยนผลกระทบในด้านระบาดวิทยา วรรณกรรมทางสังคมวิทยาถือว่าผลกระทบของกลุ่มประชากรตามรุ่นเป็นปัจจัยเชิงโครงสร้างที่แสดงถึงผลรวมของความเสี่ยงที่ไม่ซ้ำกันทั้งหมดที่ได้รับจากกลุ่มประชากรตามรุ่นตั้งแต่แรกเกิด ในกรณีนี้ ผลกระทบของอายุและช่วงเวลาถูกมองว่าเป็นตัวทำให้เกิดผลกระทบตามรุ่น และการวิเคราะห์ APC มุ่งที่จะคลี่คลายผลกระทบที่เป็นอิสระของอายุ ระยะเวลา และกลุ่มประชากรตามรุ่น (4) กลยุทธ์การวิเคราะห์ APC ส่วนใหญ่อิงตามแบบจำลองทางสังคมวิทยาของผลกระทบตามรุ่น กำหนดแนวคิดเกี่ยวกับผลกระทบที่เป็นอิสระจากอายุ ระยะเวลา และผลตามรุ่น
ปัญหาการระบุตัวตนใน APC : การวิเคราะห์ APC มีวัตถุประสงค์เพื่ออธิบายและประเมินผลกระทบที่เป็นอิสระของอายุ ระยะเวลา และกลุ่มประชากรตามรุ่นต่อผลลัพธ์ด้านสุขภาพภายใต้การศึกษา กลยุทธ์ต่างๆ ที่ใช้มีจุดมุ่งหมายเพื่อแบ่งความแปรปรวนออกเป็นองค์ประกอบเฉพาะที่เกี่ยวข้องกับอายุ ระยะเวลา และผลกระทบของกลุ่มประชากรตามรุ่น (4) อย่างไรก็ตาม มีอุปสรรคสำคัญในการประเมินอายุ ระยะเวลา และผลกระทบของกลุ่มโดยอิสระโดยการสร้างแบบจำลองข้อมูลซึ่งเรียกว่าปัญหาการระบุตัวตนใน APC นี่เป็นเพราะการพึ่งพาอาศัยกันแบบเส้นตรงระหว่างอายุ ระยะเวลา และกลุ่มประชากรตามรุ่น: ระยะเวลา – อายุ = กลุ่มประชากรตามรุ่น กล่าวคือ กำหนดปีและอายุตามปฏิทิน เราสามารถกำหนดหมู่ (ปีเกิด) (5) ได้ การมีอยู่ของตัวทำนาย collinear ที่สมบูรณ์แบบ (อายุ ระยะเวลา และกลุ่มประชากรตามรุ่น) ในแบบจำลองการถดถอยจะสร้างเมทริกซ์การออกแบบที่ไม่สามารถระบุตัวตนได้แบบเอกพจน์ ซึ่งเป็นไปไม่ได้ทางสถิติในการประมาณการประมาณการที่ไม่ซ้ำกันสำหรับผลกระทบทั้งสาม (5)

วิธีแก้ปัญหาทั่วไปสำหรับปัญหาการระบุ APC

ตัวประมาณค่าสัมประสิทธิ์จำกัด GLIM (CGLIM)
แนวทางที่นิยมในการแก้ไขปัญหาการระบุตัวตนคือการใช้การวิเคราะห์การถดถอยตามข้อจำกัด (ตัวประมาณค่าสัมประสิทธิ์ GLIM ที่จำกัด (CGLIM)) ในกลยุทธ์นี้ ข้อจำกัดเพิ่มเติมจะถูกวางไว้บนหนึ่งในหมวดหมู่ของตัวทำนายอย่างน้อยหนึ่งตัวเพื่อประเมินช่วงอายุและผลกระทบตามรุ่นพร้อมกัน ดังนั้น สมมติว่าบางหมวดหมู่ของกลุ่มอายุ กลุ่มอายุ หรือช่วงเวลามีผลกระทบเหมือนกันกับตัวแปรตาม มันจึงเป็นไปได้ที่จะประมาณผลอิสระของช่วงอายุและกลุ่ม (6) อย่างไรก็ตาม ผลลัพธ์จากการวิเคราะห์นี้จะขึ้นอยู่กับข้อจำกัดที่เลือกโดยผู้วิจัยตามข้อมูลภายนอก ความถูกต้องของข้อจำกัดที่เลือกจะขึ้นอยู่กับแนวความคิดเชิงทฤษฎีเกี่ยวกับประเภทของพารามิเตอร์ที่เหมือนกัน มักเป็นแบบอัตนัย และไม่มีวิธีเชิงประจักษ์ในการยืนยันความถูกต้องของข้อจำกัดที่เลือก (4)
เข้าใกล้ตัวแปรพร็อกซี
ใช้ตัวแปรพร็อกซีอย่างน้อยหนึ่งตัวเป็นตัวแทนสำหรับอายุ ระยะเวลา หรือสัมประสิทธิ์กลุ่มประชากรตามรุ่น (7)
แนวทางการแปลงพารามิเตอร์แบบไม่เชิงเส้น (พีชคณิต)
กำหนดฟังก์ชันพารามิเตอร์ที่ไม่เป็นเชิงเส้นของตัวแปรอายุ ระยะเวลา หรือกลุ่มตามรุ่นอย่างใดอย่างหนึ่ง เพื่อให้ความสัมพันธ์กับผู้อื่นไม่เป็นเชิงเส้น
วิธีการประมาณค่าที่แท้จริง
เป็นเทคนิคใหม่ที่พัฒนาขึ้นในช่วง 10 ปีที่ผ่านมาและเกี่ยวข้องกับการวิเคราะห์องค์ประกอบหลักที่แก้ไขปัญหาการระบุตัวตนเมื่อตัวแปรอธิบายมีความสัมพันธ์กันสูง แม้ว่า IE จะกำหนดข้อจำกัดเกี่ยวกับพารามิเตอร์ที่คล้ายกับ CGLM แต่ข้อจำกัดนั้นมีความเฉพาะตัวน้อยกว่า และไม่ส่งผลต่อการประมาณค่าพารามิเตอร์การถดถอยสำหรับอายุ ระยะเวลา หรือกลุ่มประชากร (4,5) การศึกษาการตรวจสอบความถูกต้องของแบบจำลองได้ยืนยันความทนทานของคุณสมบัติทางสถิติของ IE โดยการเปรียบเทียบผลการวิจัยจากการวิเคราะห์ข้อมูลเชิงประจักษ์โดย IE กับผลลัพธ์จากการวิเคราะห์ข้อมูลเดียวกันโดยกลุ่มแบบจำลองที่แตกต่างกันซึ่งไม่ได้ใช้ข้อจำกัดในการระบุที่เหมือนกัน (5)
การวิเคราะห์ค่ามัธยฐานโปแลนด์
คำจำกัดความทางระบาดวิทยาของผลกระทบของกลุ่มประชากรตามอายุต่อช่วงเวลาเป็นพื้นฐานสำหรับการวิเคราะห์ค่ามัธยฐานของโปแลนด์ มันแยกความไม่เชิงเส้นในเอฟเฟกต์อายุและระยะเวลา และแบ่งความแปรปรวนที่ไม่เป็นเชิงเส้นเป็นเอฟเฟกต์ตามรุ่นและข้อผิดพลาดแบบสุ่ม (4) กล่าวอีกนัยหนึ่ง แนวทางนี้จะประเมินปฏิสัมพันธ์ระหว่างอายุและช่วงเวลาที่อยู่นอกเหนือสิ่งที่คาดหวังจากอิทธิพลเพิ่มเติมของพวกมัน

แนวทางการประเมินแบบจำลอง APC (ขึ้นอยู่กับยางและที่ดิน) (5):

  1. การวิเคราะห์ข้อมูลเชิงพรรณนาโดยการแสดงข้อมูลแบบกราฟิกเป็นขั้นตอนแรกในการวิเคราะห์ APC ซึ่งช่วยในการประเมินคุณภาพของรูปแบบของการเปลี่ยนแปลงตามเวลา

  2. แยกแยะว่าข้อมูลสามารถอธิบายได้ด้วยตัวแบบปัจจัยเดียวหรือสองปัจจัยของอายุ ช่วงเวลา และกลุ่มประชากรตามรุ่น สถิติความพอดีมักถูกใช้เพื่อเปรียบเทียบระหว่างแบบจำลองเชิงเส้นของล็อกที่ลดลง: แบบจำลองที่แยกจากกันสามแบบสำหรับอายุ ระยะเวลา และผลกระทบของกลุ่ม และแบบจำลองสองปัจจัยสามแบบ หนึ่งแบบสำหรับเอฟเฟกต์ที่เป็นไปได้สามคู่แต่ละแบบ ได้แก่ แบบจำลองเอฟเฟกต์ AP, AC และ PC จากนั้น โมเดลทั้งหมดเหล่านี้จะถูกนำไปเปรียบเทียบกับโมเดล APC แบบเต็ม โดยที่ปัจจัยทั้งสามถูกควบคุมพร้อมกัน เกณฑ์การเลือกแบบจำลองความเป็นไปได้ในการลงโทษที่ใช้กันมากที่สุด 2 เกณฑ์ ได้แก่ Akaike information criterion (AIC) และ Bayesian information criterion (BIC) เพื่อประเมินโมเดล เนื่องจากการทดสอบอัตราส่วนความน่าจะเป็นมักจะชอบโมเดลที่มีพารามิเตอร์จำนวนมากขึ้น BIC และ AIC ต่างก็ปรับผลกระทบของมิติแบบจำลองที่มีต่อความเบี่ยงเบนของแบบจำลอง

  3. หากการวิเคราะห์เชิงพรรณนาระบุว่ามิติ A, P และ C ทั้งสามไม่ทำงาน การวิเคราะห์สามารถทำได้โดยใช้แบบจำลองที่ลดลงซึ่งละเว้นมิติที่ไม่ทำงานและไม่มีปัญหาในการระบุ

  4. อย่างไรก็ตาม หากการวิเคราะห์เหล่านี้ชี้ให้เห็นว่าทั้งสามมิติกำลังทำงานอยู่ ให้ใช้วิธีใดวิธีหนึ่งเฉพาะของการวิเคราะห์ APC

ค่ามัธยฐานการวิเคราะห์โปแลนด์-ตัวอย่างการปฏิบัติP (3)

ตารางที่ (3) แสดงปัญหาการระบุตัวตน โดยองค์ประกอบทั้งสาม (อายุ ระยะเวลา และกลุ่มประชากรตามรุ่น) มีความสัมพันธ์กันอย่างสมบูรณ์ เพื่อระบุกลุ่มประชากรตามรุ่น เราจำเป็นต้องรู้เฉพาะช่วงเวลาและกลุ่มอายุ: เราลบกลุ่มอายุต้นออกจากขีดจำกัดระยะเวลาบนและล่าง (เช่น ผู้ที่มีอายุ 10-14 ปี ในปี 1950-1954 เราลบ 10 จากปี 1950 และ 1954 เป็น ระบุช่วงกลุ่มประชากรตามรุ่นเป็น 1940-1944) (9) ช่องในแนวทแยงที่เน้นสีแสดงถึงอัตราสำหรับแต่ละกลุ่มตามอายุ ตารางฉุกเฉินไม่สามารถประมาณความเสี่ยงของกลุ่มประชากรตามรุ่นที่ไม่เกิดร่วมกันได้เนื่องจากกลุ่มที่ทับซ้อนกัน อนุสัญญานี้อาจแนะนำการจัดประเภทที่ไม่ถูกต้องของบุคคลบางคน แต่วัตถุประสงค์หลักของการวิเคราะห์ช่วงอายุ-กลุ่มประชากรตามรุ่นคือการประเมินแนวโน้มทั่วไปในกลุ่มประชากรเฉพาะมากกว่าที่จะหาปริมาณที่แม่นยำของความเสี่ยงเชิงสาเหตุที่แท้จริง กลุ่มที่ทับซ้อนกันเตือนเราไม่ให้ตีความค่าประมาณมากเกินไป เรายังถูกจำกัดด้วยข้อมูลที่ขาดหายไป ตัวอย่างเช่น เรามีข้อมูลเพียงจุดเดียวสำหรับประชากรกลุ่มที่อายุน้อยที่สุด (ผู้ที่มีอายุ 10-14 ปีในปี 2543-2547) เมื่อใช้ตารางนี้ เราสามารถแสดงภาพกราฟิกเริ่มต้นด้วยกราฟเส้นใน Microsoft Excel

กราฟทั้งสองถูกสร้างขึ้นโดยใช้แผนภูมิเส้นใน Microsoft Excel ในการลงจุดกราฟทั้งสอง เราเพียงแค่จัดเรียงข้อมูลใหม่ด้วยฟังก์ชัน Switch Row/Column การแสดงกราฟิกทั้งสองนี้ช่วยให้เราประเมินรูปแบบใดๆ ในข้อมูลได้ ข้อจำกัดคือการค้นพบใดๆ อาจเป็นตัวแทนของผลกระทบสองอย่างหรือมากกว่านั้นผสมกัน

ค่ามัธยฐานลบผลกระทบเพิ่มเติมของอายุและระยะเวลาโดยการลบค่ามัธยฐานของแต่ละแถวและคอลัมน์ซ้ำ ๆ (6) ขั้นตอนแรกในการขัดค่ามัธยฐานคือการคำนวณค่ามัธยฐานสำหรับแต่ละแถว ดูตารางที่ 2:

ขั้นตอนต่อไปคือการลบค่ามัธยฐานของแถวออกจากแต่ละค่าในแถว เช่น ในแถวที่หนึ่ง เราจะลบ 0.610 ลบ 0.790 = -0.18 ในแถวที่สอง (อายุ 15-19 ปี) เราใช้ขั้นตอนเดียวกัน 6.330 – 5.770 = 0.56 จากนั้นสำหรับแต่ละเซลล์ในตาราง สิ่งนี้สร้างตารางที่มีค่าใหม่ ดูตารางที่ 3:

ขั้นตอนต่อไปคือการคำนวณค่ามัธยฐานของคอลัมน์สำหรับค่าใหม่ จากนั้นลบค่ามัธยฐานของคอลัมน์ออกจากแต่ละเซลล์ในคอลัมน์ เช่น -0.18 – 19.08 = -19.26 หลังจากสร้างตารางใหม่ที่มีค่าจากการลบแต่ละคอลัมน์ค่ามัธยฐานสำหรับแต่ละเซลล์ เราจะดำเนินการคำนวณค่ามัธยฐานของแถว (การวนซ้ำครั้งที่สาม) การทำซ้ำเหล่านี้ในที่สุดจะสร้างค่ามัธยฐานของแถวและคอลัมน์เท่ากับศูนย์ สำหรับตัวอย่างนี้ จำเป็นต้องทำซ้ำ 6 ครั้งเพื่อสร้างค่ามัธยฐานของแถวและคอลัมน์ให้เท่ากับศูนย์ ดูตารางที่ 4:

ตารางที่ 4 มีค่าตกค้างหลังจากการทำซ้ำ 5 ครั้ง เศษที่เหลือเหล่านี้แสดงถึงสัมประสิทธิ์ที่ปราศจากผลกระทบเพิ่มเติมของผลกระทบของอายุและระยะเวลา สังเกตว่าข้อมูลสำหรับกลุ่มอายุ 75-79 และ 80-84 ปีระหว่างปี 2453 ถึง 2482 เป็นข้อมูลที่ขาดหายไป หากเราแทนที่ค่าที่ขาดหายไปสำหรับอัตราศูนย์ การคำนวณส่วนที่เหลือจะมีความเอนเอียง ขั้นตอนทั้งหมดดำเนินการใน Microsoft Excel เพื่อตรวจสอบว่าส่วนที่เหลือเหล่านี้ถูกต้องหรือไม่ เราได้สร้างตารางใหม่โดยมีผลคูณของการลบมูลค่าคงเหลือจากชุดของค่าในตารางที่ 1 เดิม ผลิตภัณฑ์ของการลบจะใช้เพื่อสร้างแผนภูมิเส้น แผนภูมิเส้นนี้ช่วยให้เราตรวจสอบความถูกต้องของส่วนที่เหลือและเราคาดว่าเส้นจะขนานกันอย่างสมบูรณ์ เนื่องจากเรากำลังลบเศษที่เหลือซึ่งแสดงถึงผลกระทบของกลุ่มประชากรตามรุ่นจากค่าดั้งเดิม เราจึงกำลังประเมินผลของอายุหรือระยะเวลาใดๆ ที่ไม่มีผลกระทบตามรุ่น ดูกราฟ 3 และ 4:


ขั้นตอนการขัดค่ามัธยฐานมีอยู่ใน R ซึ่งเป็นซอฟต์แวร์ฟรี (8) ดูไวยากรณ์ถัดไป:

mpdata<- read.csv(C:/Users/mydocs/suicidemp.csv, header=FALSE, stringsAsFactors=FALSE)
mpdata
ชื่อแถว (mpdata)<- c(10-14, 15-19, 20-24, 25-29, 30-34, 35-39, 40-44, 45-49, 50-54, 55-59, 60-64, 65-69, 70-74, 75-79, 80-84)
ชื่อคอล (mpdata)<- c(1910-1914, 1915-1919, 1920-1924, 1925-1929, 1930-1934, 1935-1939, 1940-1944, 1945-1949, 1950-1954, 1955-1959, 1960-1964, 1965-1969, 1970-1974, 1975-1979, 1980-1984, 1985-1989, 1990-1994, 1995-1999, 2000-2004)
mpdata
med.p<- medpolish(mpdata, na.rm = TRUE)
med.p

ผลลัพธ์การขัดค่ามัธยฐานสามารถรับได้โดยไม่มีการเปลี่ยนแปลงของอัตรา แต่การใช้การแปลงบันทึกของอัตราก่อนขั้นตอนการขัดค่ามัธยฐานจะสร้างการประเมินการโต้ตอบในระดับการคูณ (หรือเอฟเฟกต์การเติมบันทึก) เราทำซ้ำขั้นตอนการขัดค่ามัธยฐานโดยใช้การเปลี่ยนแปลงบันทึกของอัตราการฆ่าตัวตาย ในการผลิตบันทึกที่ตกค้างของตารางดั้งเดิมโดยใช้ซอฟต์แวร์ R เราได้สร้างฟังก์ชันใหม่ขึ้นมาแทนที่อัตราสำหรับอัตราการเปลี่ยนแปลงบันทึก (สังเกตแบบอักษรตัวหนาในไวยากรณ์):

medpolish2<- function (x, eps = 0.01, maxiter = 10L, trace.iter = TRUE, na.rm = FALSE)
{
กับ<- as.matrix( บันทึก(x) )
ไม่<- nrow(z)
nc<- ncol(z)
t<- 0
r<- numeric(nr)
ค<- numeric(nc)
oldsum<- 0
สำหรับ (iter ใน 1L:maxiter) abs(newsum – oldsum)ถ้า (บรรจบกัน)
หยุดพัก
oldsum<- newsum
ถ้า (trace.iter)
cat(iter, : , newsum, , sep = )

ถ้า (บรรจบกัน) {
ถ้า (trace.iter)
cat(สุดท้าย: , newsum, , sep = )
}
คำเตือนอื่น (sprintf(ngettext(maxiter, medpolish() ไม่ได้มาบรรจบกันในการทำซ้ำ %d, medpolish() ไม่ได้มาบรรจบกันใน %d การวนซ้ำ), maxiter), โดเมน = NA)
ชื่อ(r)<- rownames(z)
ชื่อ (ค)<- colnames(z)
ปี<- list(overall = t, row = r, col = c, residuals = z, name = deparse(substitute(x)))
ชั้น (ปี)<- medpolish
ปี
}

med.p2<- medpolish2(mpdata, na.rm = TRUE)

ข้อมูลจะถูกบันทึกเป็นไฟล์ที่คั่นด้วยเครื่องหมายจุลภาค (.csv) ซึ่งเป็นรูปแบบที่อ่านง่ายใน R โปรดสังเกตคำสั่งสำหรับค่ามัธยฐาน เปิดใช้งานตัวเลือกของข้อมูลที่ขาดหายไป มิฉะนั้น ขั้นตอนจะรายงานข้อผิดพลาด ส่วนที่เหลือทั้งสองชุดที่สร้างด้วย Excel และ R มีค่าเท่ากัน
เราเปลี่ยนรูปแบบข้อมูลตามกลุ่มประชากรตามรุ่นและดำเนินการพล็อตของส่วนที่เหลือเทียบกับหมวดหมู่ตามรุ่น ดูตารางถัดไป:

เราคำนวณค่าเฉลี่ยสำหรับแต่ละกลุ่มผลิตภัณฑ์ จากนั้นจึงใช้เศษที่เหลือที่แปลงบันทึกเหล่านี้เพื่อสร้างพล็อตตามรุ่น พล็อตนี้ช่วยประเมินการกระจายของสารตกค้าง โดยที่ส่วนเบี่ยงเบนที่มีนัยสำคัญจากศูนย์จะบ่งบอกถึงผลกระทบจากกลุ่มประชากรตามรุ่นที่แข็งแกร่งสำหรับกลุ่มประชากรตามรุ่นนั้น ดูกราฟถัดไป:

รหัส STATA สำหรับการพล็อตส่วนที่เหลือ:

พล็อตอัตราค่ามัธยฐานของยาขัดเงา, ตัวอย่างหนังสือ (มาตราส่วนบันทึก)
ใช้ C:Usersmydocssuicide_data.dta, clear
เปลี่ยนชื่อ var2 var1
……
เปลี่ยนชื่อ var16 var15
eigen หมายถึง = rowmean (var *)
ก่อร่างใหม่ var ยาว i(หมู่) j(นับ)
ลดลงถ้า var==.
label define cohort 1 1830-1834 2 1835-1839 … 32 1985-1989 33 1990-1994
ป้ายกำกับ ค่า cohort cohort
เปลี่ยนชื่อ var Residual
twoway(scatter Residual cohort, msize(vsmall)) (connected mean cohort, msize(vsmall) msymbol(triangle) lwidth(thin) lpattern(solid)), ytitle(Median Polish Residuals) yscale (range(-2 2)) ylabel (#7) xtitle(Cohort) xlabel(#33, labels labsize(small) angle(vertical) labgap(minuscule) valuelabel) title(, size(medsmall) ring(0)) legend(size(small))

สารตกค้างเหล่านี้ช่วยให้เราประเมินขนาดของผลกระทบตามรุ่นโดยใช้การถดถอยเชิงเส้นของค่าคงเหลือตามรุ่น ที่นี่เราเลือก 1910 – 1914 เป็นกลุ่มอ้างอิง เช่นเดียวกับกราฟ 6 ดูเหมือนว่ากลุ่มประชากรตามรุ่นที่เกิดหลังปี 1950 มีความเสี่ยงสูงต่อการฆ่าตัวตายอย่างมีนัยสำคัญทางสถิติเมื่อเทียบกับกลุ่มประชากรในปี 1910-1014 สัมประสิทธิ์ที่คำนวณด้วยการถดถอยเชิงเส้นอยู่ในมาตราส่วนบันทึก เพื่อประเมินอัตราส่วนอัตรา เราใช้ฟังก์ชันเลขชี้กำลังสำหรับสัมประสิทธิ์แต่ละตัว [exp(x)]

รหัส STATA สำหรับการถดถอยของอัตราการฆ่าตัวตายที่เหลือ

char cohort[ละ] 17
xi: ถอยหลัง เหลือ i.cohort

  1. Yang Y, Schulhofer-Wohl S, Fu WJ, Land KC. Intrinsic Estimator for Age-Period-Cohort Analysis: มันคืออะไรและจะใช้งานอย่างไร1 วารสารสังคมวิทยาอเมริกัน 2008;113(6):1697-736

    ค่าคอมมิชชั่นโอกาสการจ้างงานที่เท่าเทียมกัน v. abercrombie & fitch stores
  2. Reither EN, Hauser RM, Yang Y. กลุ่มที่เกิดมีความสำคัญหรือไม่? การวิเคราะห์ตามช่วงอายุของกลุ่มประชากรตามรุ่นของการระบาดของโรคอ้วนในสหรัฐอเมริกา สังคมศาสตร์และการแพทย์ 2552;69(10):1439-48.

  3. Keyes KM, Li G. Age–Period–การสร้างแบบจำลองตามรุ่น. การวิจัยการบาดเจ็บ: สปริงเกอร์, 2012:409-26.

  4. Keyes KM, Utz RL, Robinson W, Li G. ผลกระทบตามรุ่นคืออะไร? การเปรียบเทียบวิธีการทางสถิติ 3 วิธีในการสร้างแบบจำลองผลกระทบของกลุ่มประชากรตามความชุกของโรคอ้วนในสหรัฐอเมริกา พ.ศ. 2514-2549 Soc วิทย์ Med 2010;70(7):1100-8

  5. Yang, Yang และ Kenneth C. Land การวิเคราะห์กลุ่มอายุ-ช่วงอายุ: โมเดลใหม่ วิธีการ และการประยุกต์ใช้เชิงประจักษ์ CRC Press, 2013

  6. เมสัน, คาเรน ออพเพนไฮม์ และคณะ ปัญหาระเบียบวิธีบางประการในการวิเคราะห์ตามรุ่นของข้อมูลที่เก็บถาวร การทบทวนทางสังคมวิทยาอเมริกัน (1973): 242-258

  7. โอไบรอัน, อาร์.เอ็ม. พ.ศ. 2543 แบบจำลองลักษณะกลุ่มอายุ ช่วงอายุ การวิจัยทางสังคมศาสตร์ 29:123-139

  8. http://www.r-project.org/

  9. Keyes KM, Li G. วิธีแบบหลายเฟสสำหรับการประเมินผลกระทบของกลุ่มประชากรตามรุ่นในข้อมูลตารางสถานการณ์ฉุกเฉินในช่วงอายุ แอน Epidemiol 2010; 20:779-785.

การอ่าน


หนังสือเรียนและบทต่างๆ

  • Yang, Yang และ Kenneth C. Land การวิเคราะห์กลุ่มอายุ-ช่วงอายุ: โมเดลใหม่ วิธีการ และการประยุกต์ใช้เชิงประจักษ์ ซีอาร์ซี เพรส, 2013.

  • Keyes, Katherine M. และ Guohua Li การสร้างแบบจำลองอายุ–ช่วง–กลุ่มประชากรตามรุ่น การวิจัยการบาดเจ็บ. สปริงเกอร์สหรัฐอเมริกา 2555 409-426

  • เกล็น, นอร์วัล ดี., เอ็ด. การวิเคราะห์ตามการได้มา ฉบับที่ 5. ปราชญ์ ปี 2548

  • ฮอบคราฟต์, จอห์น, เจน เมนเคน และซามูเอล เพรสตัน ผลกระทบด้านอายุ ระยะเวลา และกลุ่มประชากรตามรุ่น: การทบทวน สปริงเกอร์ นิวยอร์ก, 1985.

บทความระเบียบวิธี

  • Ryder, Norman B. The cohort as a concept in the study of social change. การทบทวนทางสังคมวิทยาอเมริกัน (1965): 843-861

  • เมสัน, คาเรน ออพเพนไฮม์ และคณะ ปัญหาระเบียบวิธีบางประการในการวิเคราะห์ตามรุ่นของข้อมูลที่เก็บถาวร การทบทวนทางสังคมวิทยาอเมริกัน (1973): 242-258

  • Mason, William M. และ Stephen E. Fienberg การวิเคราะห์ตามรุ่นในการวิจัยทางสังคม: นอกเหนือจากปัญหาการระบุตัวตน (1985)

  • หยาง หยาง และคณะ Intrinsic Estimator for Age-Period-Cohort Analysis: มันคืออะไรและจะใช้งานอย่างไร1 วารสารสังคมวิทยาอเมริกัน 113.6 (2008): 1697-1736

  • Keyes, Katherine M. และคณะ ผลกระทบของกลุ่มประชากรตามรุ่นคืออะไร? การเปรียบเทียบวิธีการทางสถิติ 3 วิธีในการสร้างแบบจำลองผลกระทบของกลุ่มประชากรตามความชุกของโรคอ้วนในสหรัฐอเมริกา พ.ศ. 2514-2549 สังคมศาสตร์และการแพทย์ 70.7 (2010): 1100-1108.

  • Keyes, K. & Li, G., การสร้างแบบจำลองตามช่วงอายุ ใน Li, G. & Baker, S. (eds.), การวิจัยการบาดเจ็บ: ทฤษฎีวิธีการและแนวทาง สปริงเกอร์ บทที่ 22 หน้า 409-426 New York, 2012

บทความการสมัคร

  • Keyes, Katherine M. และคณะ ผลกระทบด้านอายุ ช่วงเวลา และกลุ่มประชากรตามรุ่นในความทุกข์ทางจิตใจในสหรัฐอเมริกาและแคนาดา วารสารระบาดวิทยาอเมริกัน (2014): kwu029.

เว็บไซต์

http://yangclaireyang.web.unc.edu/research/age-period-cohort-analysis-new-models-methods-and-empirical-applications/

บทความที่น่าสนใจ

ตัวเลือกของบรรณาธิการ

อุดมศึกษา นโยบาย และการพัฒนาในเอเชีย 2017
อุดมศึกษา นโยบาย และการพัฒนาในเอเชีย 2017
'ทฤษฎีดนตรีในที่สาธารณะ: กรณีของ Hermann von Helmholtz
'ทฤษฎีดนตรีในที่สาธารณะ: กรณีของ Hermann von Helmholtz'
งานเขียนดนตรีของแฮร์มันน์ ฟอน เฮล์มโฮลทซ์ มักถูกอ่านว่าเป็นตัวอย่างที่ดีของความซับซ้อนทางเทคนิคสูงที่เปิดใช้งานโดยการลงทุนอย่างเข้มข้นในวิทยาศาสตร์การทดลองของเยอรมันหลังปี 1850 แต่ควรยอมรับในแง่มุมที่ตรงกันข้ามและแตกต่างของความสำคัญทางประวัติศาสตร์ของข้อความเหล่านี้ กล่าวคือ สถานะที่ตั้งใจไว้ เป็นวิทยาศาสตร์ยอดนิยม ความพยายามของ Helmholtz ในการสร้างความทันสมัย
หลักสูตรปริญญาเอก
หลักสูตรปริญญาเอก
Columbia Mailman SPH เปิดสอนหลักสูตรปริญญาเอกด้านสาธารณสุขในเก้าสาขาที่มีสององศา สำรวจพวกเขาวันนี้เพื่อค้นหาสิ่งที่เหมาะสมกับเส้นทางอาชีพของคุณมากที่สุด
อาร์.เอ.วี. ก. เมืองเซนต์ปอล
อาร์.เอ.วี. ก. เมืองเซนต์ปอล
Columbia Global Freedom of Expression พยายามที่จะพัฒนาความเข้าใจเกี่ยวกับบรรทัดฐานระหว่างประเทศและระดับชาติและสถาบันที่ปกป้องการไหลเวียนของข้อมูลและการแสดงออกอย่างอิสระได้ดีที่สุดในชุมชนโลกที่เชื่อมต่อถึงกันพร้อมความท้าทายที่สำคัญที่ต้องเผชิญ เพื่อให้บรรลุภารกิจ Global Freedom of Expression รับหน้าที่และมอบหมายโครงการวิจัยและนโยบาย จัดกิจกรรมและการประชุม และมีส่วนร่วมและสนับสนุนการอภิปรายระดับโลกเกี่ยวกับการคุ้มครองเสรีภาพในการแสดงออกและข้อมูลในศตวรรษที่ 21
Dennis v. United States
Dennis v. United States
Columbia Global Freedom of Expression พยายามที่จะพัฒนาความเข้าใจเกี่ยวกับบรรทัดฐานระหว่างประเทศและระดับชาติและสถาบันที่ปกป้องการไหลเวียนของข้อมูลและการแสดงออกอย่างอิสระได้ดีที่สุดในชุมชนโลกที่เชื่อมต่อถึงกันพร้อมความท้าทายที่สำคัญที่ต้องเผชิญ เพื่อให้บรรลุภารกิจ Global Freedom of Expression รับหน้าที่และมอบหมายโครงการวิจัยและนโยบาย จัดกิจกรรมและการประชุม และมีส่วนร่วมและสนับสนุนการอภิปรายระดับโลกเกี่ยวกับการคุ้มครองเสรีภาพในการแสดงออกและข้อมูลในศตวรรษที่ 21
Katherine M. Franke
Katherine M. Franke
Katherine Franke เป็นศาสตราจารย์ด้านกฎหมายของ James L. Dohr ที่มหาวิทยาลัยโคลัมเบีย ซึ่งเธอยังเป็นผู้กำกับศูนย์กฎหมายว่าด้วยเพศและเพศวิถี และเป็นผู้อำนวยการของโครงการกฎหมาย สิทธิ และศาสนา เธอเป็นสมาชิกของคณะกรรมการบริหารของสถาบันวิจัยเกี่ยวกับสตรี เพศและเพศ และศูนย์การศึกษาปาเลสไตน์ เธอเป็นหนึ่งในนักวิชาการชั้นนำของประเทศที่เขียนเกี่ยวกับกฎหมาย เชื้อชาติ ศาสนา และสิทธิ Franke ยังเป็นผู้ก่อตั้งและผู้อำนวยการของ Law, Rights, and Religion Project ซึ่งเป็นคลังสมองของ Columbia Law School ที่พัฒนานโยบายและความเป็นผู้นำทางความคิดเกี่ยวกับวิธีการที่ซับซ้อนซึ่งสิทธิเสรีภาพทางศาสนามีปฏิสัมพันธ์กับสิทธิขั้นพื้นฐานอื่นๆ ในปี พ.ศ. 2564 ศาสตราจารย์แฟรงก์ได้เปิดตัวโครงการ ERA ซึ่งเป็นคลังความคิดด้านกฎหมายและนโยบายเพื่อพัฒนางานวิจัยที่เข้มงวดทางวิชาการ เอกสารนโยบาย คำแนะนำจากผู้เชี่ยวชาญ และความเป็นผู้นำเชิงกลยุทธ์ในการแก้ไขสิทธิที่เท่าเทียมกัน (ERA) ต่อรัฐธรรมนูญของสหรัฐอเมริกา และในบทบาทของ ERA ในการผลักดันสาเหตุใหญ่ของความยุติธรรมบนฐานเพศภาวะ หนังสือเล่มล่าสุดของเธอคือ Repair: Redeeming the Promise of Abolition (Haymarket, 2019) กล่าวถึงกรณีการชดใช้ทางเชื้อชาติในวันนี้โดยบอกเล่าเรื่องราวของการทดลองในเซาท์แคโรไลนาและมิสซิสซิปปี้ในทศวรรษ 1860 ที่ซึ่งผู้คนที่ได้รับอิสรภาพได้รับที่ดินอย่างชัดเจนเพื่อเป็นการชดใช้สำหรับการเป็นทาสและ แล้วให้รัฐบาลเอาไป Wedlocked: The Perils of Marriage Equality (NYU Press, 2015) พิจารณาค่าใช้จ่ายในการชนะการแต่งงานสำหรับคู่รักเพศเดียวกันในปัจจุบันและสำหรับชาวแอฟริกันอเมริกันเมื่อสิ้นสุดสงครามกลางเมือง Franke ได้รับรางวัล Guggenheim Fellowship ในปี 2011 เพื่อทำการวิจัยเกี่ยวกับ Wedlocked นอกจากงานของเธอที่โรงเรียนกฎหมายแล้ว เธอทำงานเป็นประจำในปาเลสไตน์ จนกระทั่งรัฐอิสราเอลสั่งห้ามเธอกลับเข้าประเทศในฤดูใบไม้ผลิปี 2018 โดยอ้างการสนับสนุนของเธอในนามของสิทธิมนุษยชนของชาวปาเลสไตน์ นอกจากนี้ เธอยังเป็นประธานคณะกรรมการบริหารศูนย์สิทธิตามรัฐธรรมนูญ ซึ่งตั้งอยู่ในนิวยอร์กซิตี้ ก่อนที่จะมาเรียนที่โรงเรียนกฎหมาย แฟรงก์เคยเป็นรองศาสตราจารย์ด้านกฎหมายที่โรงเรียนกฎหมายฟอร์ดแฮมและวิทยาลัยกฎหมายแห่งมหาวิทยาลัยแอริโซนา ตั้งแต่ปี 1990 ถึง 1991 เธอเป็นผู้อำนวยการบริหารของ National Lawyers Guild ก่อนหน้านั้น เธอทำงานให้กับคณะกรรมาธิการสิทธิมนุษยชนแห่งนครนิวยอร์ก และก่อตั้งโครงการเอดส์และการจ้างงาน ดาวน์โหลดประวัติศาสตราจารย์แฟรงก์ (PDF) ดาวน์โหลดรูปภาพของศาสตราจารย์แฟรงก์
ลูเซีย เมนเดซ วี. อเล็กซ์ คาฟฟี่
ลูเซีย เมนเดซ วี. อเล็กซ์ คาฟฟี่
Columbia Global Freedom of Expression พยายามที่จะพัฒนาความเข้าใจเกี่ยวกับบรรทัดฐานระหว่างประเทศและระดับชาติและสถาบันที่ปกป้องการไหลเวียนของข้อมูลและการแสดงออกอย่างอิสระได้ดีที่สุดในชุมชนโลกที่เชื่อมต่อถึงกันพร้อมความท้าทายที่สำคัญที่ต้องเผชิญ เพื่อให้บรรลุภารกิจ Global Freedom of Expression รับหน้าที่และมอบหมายโครงการวิจัยและนโยบาย จัดกิจกรรมและการประชุม และมีส่วนร่วมและสนับสนุนการอภิปรายระดับโลกเกี่ยวกับการคุ้มครองเสรีภาพในการแสดงออกและข้อมูลในศตวรรษที่ 21