Журнал: Социология: методология, методы, математическое моделирование (Социология:4М)Горбунова Е. В., Ульянов В. В.Дискретные модели анализа наступления событий: разработка подходов к совмещению данных, имеющих разную периодичность

Институт социологии
ФНИСЦ РАН

Журнал: Социология: методология, методы, математическое моделирование (Социология:4М)

Горбунова Е. В., Ульянов В. В.

Дискретные модели анализа наступления событий: разработка подходов к совмещению данных, имеющих разную периодичность


Горбунова Елена Васильевна
Национальный исследовательский университет «Высшая школа экономики»
Аналитик Центра внутреннего мониторинга, аналитик Института образования Национального исследовательского университета «Высшая школа экономики»
Ульянов Владимир Васильевич
Национальный исследовательский университет «Высшая школа экономики»
Доктор физико-математических наук, профессор факультета социальных наук, факультета компьютерных наук Национального исследовательского университета «Высшая школа экономики»

Полный текст

Открыть текст

Ссылка при цитировании:

Горбунова Е. В., Ульянов В. В. Дискретные модели анализа наступления событий: разработка подходов к совмещению данных, имеющих разную периодичность // Социология: методология, методы, математическое моделирование (Социология:4М). 2016. № 43. С. 128-153.

Рубрика:

ОБЩИЕ ВОПРОСЫ МЕТОДОЛОГИИ И МЕТОДИКИ СОЦИОЛОГИЧЕСКИХ ИССЛЕДОВАНИЙ

Аннотация:

Проблема совмещения данных с разной периодичностью встречается в различных дисциплинарных областях: астрономии, экономике, меди¬цине, социологии. Настоящая работа посвящена данной проблеме на примере изучения факторов выбытия студентов из американских вузов. В этом исследовании возникла задача совмещения триместровых и се-местровых данных, описывающих историю обучения студентов. Пред¬ложено три метода решения данной проблемы: агрегирование до года, интерполяция до интервала в полтора месяца, сведение семестровой системы к триместровой с использованием распределений вероятностей наступления событий. Эти подходы носят общий характер и допускают применения в задачах совмещения периодичностей другого типа.

Литература:

  • Allison P.D. Discrete-time Methods for the Analysis of Event Histories // Sociological Methodology. 1982. No. 13. P. 61–99.
  • Box-Steffensmeier J.M., Bradford S.J. Event History Modeling: A guide for Social Scientists. Cambridge Univ. Press, 2004.
  • Chiang S.-C. Applying Event History Analysis to Investigate the Impacts of Developmental Education on Emerging Adults’ Degree Completion. Ph.D. dissertation, Ohio State University, 2012.
  • Evans M.D.D. Where are we now? Real-time Estimates of the Macroeconomy // International Journal of Central Banking. 2005. Vol. 1(6). P. 127–175.
  • Foroni C., Marcellino M.G. A Survey of Econometric Methods for Mixed-Frequency Data. 2013. Norges Bank Research Working Paper 2013-06.
  • Ghysels E., Santa-Clara P., Valkanov R. Predicting Volatility: Getting the Most Out of Return Data Sampled at Different Frequencies // Journal of Econometrics. 2006. Vol. 131. No. 1. P. 59–95.
  • Ghysels E. Macroeconomics and the Reality of Mixed Frequency Data // Journal of Econometrics. 2016. Vol. 193. No. 2. P. 294–314.
  • Giolo S.R., Colosimo E.A., Dem?trio C.G.B. Different Approaches for Modeling Grouped Survival Data: A Mango Tree Study // Journal of Agricultural, Biological, and Environmental Statistics. 2009. Vol. 14. No. 2. P. 154.
  • Jiang R., Jardine A.K.S. Composite Scale Modeling in the Presence of Censored Data // Reliability Engineering & System Safety. 2006. Vol. 91. No. 7. P. 756–764.
  • Kim J.S. Maximum Likelihood Estimation for the Proportional Hazards Model with Partly Interval-censored Data // Journal of the Royal Statistical Society: Series B (Statistical Methodology). 2003. Vol. 65. No. 2. P. 489–502.
  • Law C.G., Brookmeyer R. Effects of Mid-point Imputation on the Analysis of Doubly Censored Data // Statistics in Medicine. 1992. Vol. 11. No. 12. P. 1569–1578.
  • Millimet D.L., McDonough I.K. Dynamic Panel Data Models With Irregular Spacing: With an Application to Early Childhood Development // Journal of Applied Econometrics. 2017. Vol. 32. No. 4. P. 725–740.
  • Singer J.D., Willett J.B. Applied Longitudinal Data Analysis: Modeling Change and Event Occurrence. New York: Oxford University Press, 2003.
  • Wohlrabe K. Forecasting with Mixed-frequency Time Series Models. Ph.D. dissertation, University Munich, 2009.
  • Zhou X. Economic Transformation and Income Inequality in Urban China: Evidence from Panel Data // American Journal of Sociology. 2000. Vol. 105. No. 4. P. 1135–1174.
  • Горбунова Е.В., Ульянов В.В., Фурманов К.К. Построение модели выбытия студентов по данным университетов с разной периодичностью рубежного контроля // Прикладная эконометрика. 2017. Т. 45. С. 116–135.
  • Кокс Д., Оукс Д. Анализ данных типа времени жизни. М.: Финансы и статистика, 1988.
  • Ратникова Т.А., Фурманов К.К. Анализ панельных данных и данных о длительности состояний. М.: НИУ ВШЭ, 2014.

Содержание выпуска

>> Содержание выпуска 2016. № 43.
>> Архив журнала

© 1998-2024. Институт социологии РАН (http://www.isras.ru)