Theoretical Sociology

太郎丸博のブログです。研究ノートや雑感などを掲載しています。(このページは太郎丸が自主的に運営しています。京都大学の公式ページではありません。)
<< October 2017 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 >>
 
RECOMMEND
後期近代と価値意識の変容: 日本人の意識 1973-2008
後期近代と価値意識の変容: 日本人の意識 1973-2008 (JUGEMレビュー »)

NHKの日本人の意識調査のデータをつっこんで分析した本です。
RECOMMEND
Labor Markets, Gender and Social Stratification in East Asia: A Global Perspective (The Intimate and the Public in Asian and Global Perspectives)
Labor Markets, Gender and Social Stratification in East Asia: A Global Perspective (The Intimate and the Public in Asian and Global Perspectives) (JUGEMレビュー »)

直下の和書の英語版です。審査を通過するためにレフェリーのコメントに従って若干修正してあります。
RECOMMEND
東アジアの労働市場と社会階層 (変容する親密圏/公共圏)
東アジアの労働市場と社会階層 (変容する親密圏/公共圏) (JUGEMレビュー »)

GCOEの成果をまとめた本です。日本を中心に韓国、台湾(中国も少し)との比較研究をしてます。
RECOMMEND
若年非正規雇用の社会学‐階層・ジェンダー・グローバル化 (大阪大学新世紀レクチャー)
若年非正規雇用の社会学‐階層・ジェンダー・グローバル化 (大阪大学新世紀レクチャー) (JUGEMレビュー »)
太郎丸 博
拙著です。非正規雇用に関する本はたくさんありますが、「なぜ正規雇用と非正規雇用では賃金格差があるのか」など当たり前と思われがちな問題を突き詰めて考えてみました。
RECOMMEND
フリーターとニートの社会学
フリーターとニートの社会学 (JUGEMレビュー »)

拙編です。オーソドックスな計量社会学の手法で、若年非正規雇用や無職にアプローチした本です。白い装丁なので、輪郭がわからないですね...
RECOMMEND
人文・社会科学のためのカテゴリカル・データ解析入門
人文・社会科学のためのカテゴリカル・データ解析入門 (JUGEMレビュー »)
太郎丸 博
拙著です。軽く読み流すのは難しいですが、まじめに一歩一歩勉強するために作りました。
ARCHIVES
RECENT COMMENT
  • アマチュア社会学の可能性
    読者 (02/20)
  • 社会システム理論の野望、あるいは全体性へのオブセッション
    宮国 (12/19)
  • 片山他 2015「図書館は格差解消に役立っているのか?」
    オカベ (12/09)
  • ランダム効果の意味、マルチレベル・モデル、全数調査データ分析
    YZ (12/07)
  • 学歴社会から「学習資本」社会へ:日本の教育と社会における階級形成の再編
    赤尾勝己 (02/11)
  • グラフィカル・モデリングとは?
    anonymous (11/30)
  • Rスクリプト覚書き:vglm関数で平行性の仮定を置かずに順序ロジット
    ほっくー (08/05)
  • 台湾の経済: 典型NIESの光と影
    おーまきちまき (07/19)
  • ペルー移民は日本でどのように社会移動を経験するのか
    佐藤悟 (03/21)
  • ペルー移民は日本でどのように社会移動を経験するのか
    佐藤悟 (03/21)
RECENT TRACKBACK
 
『繰り返し調査データの分析』(SAGEの緑本)

コーホート分析をはじめとした繰り返し調査データ分析の入門書。ただし回帰分析や交互作用効果の知識は必要。これらの知識があれば特に難しい本ではないのでこの種の分析をやってみようという人にはお勧めできる。最近では日本でもパネルデータが使えるようになってきたせいでパネル分析が注目されているが、繰り返し調査(同じ母集団に対して、定期的にサンプリングして行った調査。対象者は毎回サンプリングしなおされるので、パネル調査とはまったく異なる)の利用価値がなくなったわけではない。特に社会学者は個人の意識や行動を予測するというよりも、ある集団の平均的な意識や行動パターンに注目することが多いので、繰り返し調査で十分必要な情報が得られる場合も多い。またパネル調査はパネルの損耗によって繰り返し調査よりもサンプルがゆがみやすいという弱点もあり、ケースバイケースでパネル調査と繰り返し調査の使い分けが必要であろう。

さて、この本では4つの分析法が紹介してあるが、本論に入る前に、年齢と調査時点と出生コーホートの関係について論じてある。一般に

(調査時点での)年齢 = 調査時点 − 出生年
であるので、この3変数を説明変数として同時に回帰分析に投入すると完全な多重共線性が生じて、推定ができなくなる。Rならば強制的に最後に投入した変数がモデルから除外されてしまう。この3つの変数の関係は、社会学者にとっては非常に大きな関心事となることがあるので、年齢、調査時点、出生年の効果を識別したいわけだが、これらを統計的に識別する方法はない。Firebaugh はパラメータに制約をかける方法を紹介している。例えば、TVの視聴時間を Y, 年齢を A, 調査時点をP, 出生コーホートを C 、残差を E とすると、
Y = β0 + β1 A + β2 P + β3 C + E
といったモデルをたてて β0 〜 β3 を推定するわけだが、このままでは識別不可能なので、β1 = 0 に固定したり、 β1 + β2 + β3 = 1 と固定するなどすれば、識別可能になる。しかし、こういった固定には、何らかの根拠が必要なので、あまり実用的な方法とはいいがたい。また、年齢は5歳刻みのダミー変数、調査時点と出生年は連続変数とすれば識別は可能だが、本当の意味で年齢と調査時点と出生年の効果を識別できているとは思えない。これは年齢を1歳刻みのダミーにすると識別不可能になるので。要するにこの3変数の効果を識別することは今のところ無理なのである。

最近はマルチレベルモデルで調査年とコーホートをランダム効果としてモデルに投入するような手法もあるようであるが、その場合は調査年と出生年でグループを作ることになる(この本ではマルチレベル・モデルは取り上げていない)。とうぜんグループレベルの変数を適切に選ぶ必要がある。例えば、調査年レベルの変数としてTVの普及率、出生コーホートレベルの変数として10歳時のTVの視聴率といった変数をモデルに投入するわけである。つまり、出生年の効果がある理由をさらに突っ込んで考え、子供のころTVが人気だったことにあると仮定し、出生年そのものではなく10歳時のTVの視聴率をかわりにモデルに投入してやれば、多重共線性はある程度避けられるかもしれないということである。

先日ちらっと見た論文ではグループレベルの変数を一切投入せず、ランダム効果の大きさだけを検討していたようだが、あれではコーホート効果の推定値はバイアスを含んでいるように思った。ランダム効果は固定効果とは相関しないという仮定のもとに推定されるが、コーホートと年齢は相関しているので、問題が起きるのではないだろうか。それともグループ平均で年齢をセンタリングしたりしているのだろうか。

次に本書で取り上げてあるのは、以下の4つの方法である。

  1. グループ平均のトレンド分析。例えば性別を S とすると、調査年 P との交互作用効果を含むモデルをたて、男女でTVの平均視聴時間の変化のトレンドに違いがあるかどうかを分析する。線形のトレンドならば、
    Y = β0 + β1 S + β2 P + β3 S P + E
    とすればよい。非線形でも基本は同じで、性別と調査年の交互作用効果を取ってトレンドの違いを検討すればよい。
  2. グループ平均の変化の要因分解。例えば社会全体でのTVの視聴時間が減少している場合、そのような変化をコーホート内の変化とコーホートの入れ替わりによる変化の二つに分解するわけである。 詳細は割愛するが、線形モデルが仮定できるならば回帰分析を使った分解が、非線形ならば代数的な分解が可能である。
  3. グループ平均のより一般的な要因分解。これも詳細は割愛するが、Oaxaca - Blinder 分解とよく似た方法である。例えば1980年時点でのサンプルでTVの視聴時間を被説明変数とした回帰分析を行い(例えば無職ダミーと年齢と性別を説明変数とする)、まったく同じモデルを2000年時点でのサンプルについてあてはめる。1980年と2000年の平均視聴時間の差を、説明変数の平均値の変化(無職率の変化、平均年齢の変化、男女比の変化)による部分とそれらには還元できない変化に分割する。
  4. 時代による関係の変化。これは単純に調査年と無職ダミー、年齢、性別の交互作用効果をとるだけ。最初のグループ平均のトレンド分析とやっていることは全く同じ。
以上のように、変化の要因分解以外は回帰分析の知識さえしっかりしていれば簡単にできることが分かる。最近はマルチレベル・モデルを使った分析が注目されているようだが、グループレベルの適切な変数を見つけられるかどうかがポイントのような気がする。そういう意味では既存の要因分解も依然として重要ではないだろうか。

スポンサーサイト
- | 14:56 | - | -
コメント
コメントする









 
トラックバック
この記事のトラックバックURL
http://sociology.jugem.jp/trackback/625
 

Copyright (C) 2004 paperboy&co. All Rights Reserved.

Powered by "JUGEM"