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

Елена Васильевна Горбунова, Владимир Васильевич Ульянов

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 (4М), 2016. № 43. C. 128-153.

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.

Ключевые слова


анализ наступления событий; анализ выживаемости; совмещение разных периодичностей; выбытие студентов; отчисление студентов

Полный текст:

PDF

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., Demétrio 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.


Ссылки

  • Ссылки не определены.