纵贯数据分析

《纵贯数据分析》由四种讨论纵贯研究的小册子组成，分别是《世代分析》、《纵向研究》、《分析重复调查数据》以及《多元时间序列模型》。纵贯研究相较截面研究而言，其最大的优点是可以描述事物的发展过程和变化，并从这种变化中考察社会发展趋势。
　 《世代分析》介绍了检验数据时常用的一项分析方法，即世代研究。这本小册子分别讨论了世代研究的目的、定义、策略等问题，并结合实例，说明了该研究的具体应用和数据选择问题。《纵向研究》讨论了纵向研究的目的、数据收集、研究对象与研究模型等问题，能为研究发展趋势、历史变迁或动态过程的研究者提供帮助。《分析重复调查数据》指出，重复调查是从对个人层次的微观研究转向对整体层次的宏观研究，并讨论了重复调查的基本用途，即描述、分解、解释总体趋势、对个别参数变化进行估计。《多元时间序列模型》概述了多元时间序列分析中的许多高级方法，包括同时方程模型、向量自回归模型、格兰杰因果检验、冲击反应分析等。作者通过介绍这些方法，预测并描述了变量之间内生的动态关系。

世代分析 诺瓦尔·D·格伦
序
1 引言
2 估计年龄、时期和世代效应的策略
3 用世代分析理解变革
4 数据要求与数据可用性
5 未来展望
注释
参考文献
译名对照表

纵向研究 斯科特·梅纳德
序
1 概述
2 纵向研究的目的
3 纵向数据收集设计
4 纵向研究问题
5 纵向分析
注释
参考文献
译名对照表

分析重复调查数据 格伦·菲尔鲍
序
1 导论
2 区分年龄、时期及出生组作用
3 总趋势
4 分解总趋势
5 分解总变化的一般模型
6 发掘个人层次关系的变化
7 总结：分析社会变迁
注释
参考文献
译名对照表

多元时间序列模型 帕特里克·T·布兰特 约翰·T·威廉姆斯
序
1 对多元时间序列模型的介绍
2 基本的向量自回归模型
3 向量自回归分析范例
附录：多元时间序列分析的软件
注释
参考文献
译名对照表

一般来说，研究者会在两种情况下使用世代分析，虽然这两种情况的目的都非常明确，但还是引发不少人对研究的目的进行一些区分。
在多数情况下，世代研究主要用于估测人类年龄变化产生的效应，有时也估测婚姻产生的效应。显然，随机实验（randomizedexperiment）最适合用来估测诱因，但不能用于研究年龄变化产生的效应；我们无法将一定数量的个体随机分成实验组和对照组，无法观测实验组个体年龄变化的过程，并保证对照组不受与年龄变化相关的刺激因素的影响。因此，研究年龄变化效应的学生们只能在一些非实验性方法和准实验（quasiexperiment）方法之中作选择，这些方法都有一定的局限性，而世代分析有独特的优点。我将在本章的下一节中讨论几种主要的方法。而本书的主要侧重点在于讨论与年龄变化相关的研究，但文中也经常出现世代用于分析其他情况的讨论。
　 世代分析的第二大用途是能帮助研究者理解社会、文化及政治变革的根源和性质。这也是为什么世代分析在近几年中迅速成为关注焦点的原因之一。也许将来这种用途会比前一种更加普遍。当然，除了世代法，肯定还有其他分析方法能够在社会和文化变迁的定量研究中发挥作用，但是世代研究所能达到的深度绝对是独一无二的，在这方面，没有任何一种方法能与之媲美。因此，我不会在本书中将世代研究和其他方法进行系统化的比较。尽管本书中强调世代分析在研究年龄变化中的作用，但是我仍然会用一章的篇幅来讨论世代方法是怎样用于研究社会变迁的。
　 ……
　 从国家层面上，纵向数据收集的历史已超过300年，它始于新法兰西(NewFrance)（加拿大）的定期人口普查，并从1665年至1754年在魁北克省继续进行。虽然它不是第一次人口普查，但是代表第一次的定期人口普查，而不是单一，独立没有规则的人口普查，后者早于公元前1491年的以色列就已有了（Thomlinson，1976）。其后，1749年瑞典、1769年挪威和丹麦、1790年美国也开始进行定期的普查。美国是非常特别的，因为它的纵向普查数据是从建国第一个十年一直到现在。从个人层面，早在1759年，巴尔泰什和纳西洛(Baltes&Nesselroade，1979)和沃尔和威廉姆斯（Wall&Williams，1970）最早使用了纵向数据集（主要是个案和履历资料分析）。第一次世界大战后，美国就开始了不同的长期儿童发展研究项目。1970年后，出现了各种各样的社会和行为科学的纵向研究。纵向研究的快速发展证明了无论研究人员还是主要研究经费机构都认同它的重要性。每当问起纵向研究的重要性，通常会着重于其研究设计和分析等质量方面。
　 对许多人来说，纵向研究已被吹捧成灵丹妙药，它可用于建立时间顺序，测量变化大小，并提供因果解释的依据。虽然纵向研究的确有它的优势，但其成本昂贵并且存在其他困难。纵向研究并不是必要的，即使用来测试因果关系（Blalock，1962；Davis，1985），特别是预先已经知道变量的时间次序（例如生物或遗传特征，如性别、种族、年龄）。纵向数据绝不能解决差劣的研究设计和数据分析的问题。
　 ……