Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1/61
Introduo
Modelos idade-perodo-coorte (IPC) intenso debate na demograa desde a dcada de 70, a partir do trabalho de K. O. Mason, Mason, Winsborough, and Poule (1973)
2/61
Introduo
Modelos idade-perodo-coorte (IPC) intenso debate na demograa desde a dcada de 70, a partir do trabalho de K. O. Mason et al. (1973) Objetivo da anlise IPC (Rodgers, 1982; Halli & Rao, 1992; Yang et al., 2004): vericar em que medida um fenmeno de interesse estaria sendo determinado por variaes de perodo, por variaes na idade, ou por variaes interativas entre perodo e idade (coorte):
2/61
Introduo
Modelos idade-perodo-coorte (IPC) intenso debate na demograa desde a dcada de 70, a partir do trabalho de K. O. Mason et al. (1973) Objetivo da anlise IPC (Rodgers, 1982; Halli & Rao, 1992; Yang et al., 2004): vericar em que medida um fenmeno de interesse estaria sendo determinado por variaes de perodo, por variaes na idade, ou por variaes interativas entre perodo e idade (coorte):
Efeitos de idade: diferencial nos riscos conforme a idade; evoluo de processos biolgicos e psicolgicos; mudana nos papis sociais a cada faixa etria
2/61
Introduo
Modelos idade-perodo-coorte (IPC) intenso debate na demograa desde a dcada de 70, a partir do trabalho de K. O. Mason et al. (1973) Objetivo da anlise IPC (Rodgers, 1982; Halli & Rao, 1992; Yang et al., 2004): vericar em que medida um fenmeno de interesse estaria sendo determinado por variaes de perodo, por variaes na idade, ou por variaes interativas entre perodo e idade (coorte):
Efeitos de idade: diferencial nos riscos conforme a idade; evoluo de processos biolgicos e psicolgicos; mudana nos papis sociais a cada faixa etria Efeitos de perodo: reetem as mudanas no fenmeno de interesse que atingem todos os grupos etrios. Em geral, variaes de perodo nos do uma medida das condies ambientais, econmicas e sociais vigentes
2/61
Introduo
Modelos idade-perodo-coorte (IPC) intenso debate na demograa desde a dcada de 70, a partir do trabalho de K. O. Mason et al. (1973) Objetivo da anlise IPC (Rodgers, 1982; Halli & Rao, 1992; Yang et al., 2004): vericar em que medida um fenmeno de interesse estaria sendo determinado por variaes de perodo, por variaes na idade, ou por variaes interativas entre perodo e idade (coorte):
Efeitos de idade: diferencial nos riscos conforme a idade; evoluo de processos biolgicos e psicolgicos; mudana nos papis sociais a cada faixa etria Efeitos de perodo: reetem as mudanas no fenmeno de interesse que atingem todos os grupos etrios. Em geral, variaes de perodo nos do uma medida das condies ambientais, econmicas e sociais vigentes Efeitos de coorte: mudanas entre um grupo de indivduos com a mesma idade; mudanas genticas ou sociais
2/61
Introduo
3/61
Introduo
3/61
Introduo
3/61
Introduo
3/61
Introduo
3/61
Introduo
Bioestatstica funes que seriam invariantes s restries nos parmetros dentro do arcabouo IPC
4/61
Introduo
Bioestatstica funes que seriam invariantes s restries nos parmetros dentro do arcabouo IPC Estimador intrnseco (EI), descrito por Yang et al. (2004):
4/61
Introduo
Bioestatstica funes que seriam invariantes s restries nos parmetros dentro do arcabouo IPC Estimador intrnseco (EI), descrito por Yang et al. (2004):
Baseado em funes estimveis da decomposio do valor singular de matrizes
4/61
Introduo
Bioestatstica funes que seriam invariantes s restries nos parmetros dentro do arcabouo IPC Estimador intrnseco (EI), descrito por Yang et al. (2004):
Baseado em funes estimveis da decomposio do valor singular de matrizes Prov solues nicas dos estimadores de idade, perodo e coorte
4/61
Introduo
Bioestatstica funes que seriam invariantes s restries nos parmetros dentro do arcabouo IPC Estimador intrnseco (EI), descrito por Yang et al. (2004):
Baseado em funes estimveis da decomposio do valor singular de matrizes Prov solues nicas dos estimadores de idade, perodo e coorte Identicao mediante mnimas suposies ou informaes a priori
4/61
Introduo
Bioestatstica funes que seriam invariantes s restries nos parmetros dentro do arcabouo IPC Estimador intrnseco (EI), descrito por Yang et al. (2004):
Baseado em funes estimveis da decomposio do valor singular de matrizes Prov solues nicas dos estimadores de idade, perodo e coorte Identicao mediante mnimas suposies ou informaes a priori Apresenta propriedades estatsticas desejveis nas anlises IPC com perodos de tempo xo
4/61
Objetivos
Comparar dois estimadores IPC: o estimador restrito convencional obtido pelos modelos lineares generalizados (MLGR) e o estimador intrnseco (EI)
5/61
Objetivos
Comparar dois estimadores IPC: o estimador restrito convencional obtido pelos modelos lineares generalizados (MLGR) e o estimador intrnseco (EI) Itens para comparao: estimativa dos parmetros, ajuste aos valores observados e ecincia do modelo
5/61
Objeto
Fenmeno de interesse: contribuies dos efeitos de idade, perodo e coorte nas mudanas temporais nas probabilidades de progresso por srie (PPS) no Brasil
Figura: Interpretao substantiva dos efeitos IPC sobre as Probabilidades de Progresso
por Srie
6/61
Objeto
Alm de importncia substantiva modelagem IPC das PPSs tem aplicao para projees educacionais Relao entre PPS e Anos de Estudo
7/61
Objeto
Alm de importncia substantiva modelagem IPC das PPSs tem aplicao para projees educacionais Relao entre PPS e Anos de Estudo Portanto modelagem consistente das probabilidades de progresso por srie construo de cenrios factveis das variaes futuras nos componentes de idade, perodo e coorte obteno dos anos mdios de estudo futuros da populao
7/61
8/61
O problema da identicao
Considere um modelo linear geral cuja varivel dependente seja uma taxa demogrca Tij , expressa em termos da razo entre o nmero de ocorrncias Oij e expostos ao risco Eij a cada grupo etrio i e perodo j: Oij Tij = = + i + j + k + ij (1) Eij
9/61
O problema da identicao
Considere um modelo linear geral cuja varivel dependente seja uma taxa demogrca Tij , expressa em termos da razo entre o nmero de ocorrncias Oij e expostos ao risco Eij a cada grupo etrio i e perodo j: Oij Tij = = + i + j + k + ij (1) Eij Neste modelo, i = 1, ..., a o indexador do grupo etrio, j = 1, ..., p indexa o perodo e k = a + p 1 denota a coorte. Ainda, ij o termo de erro aleatrio cuja esperana zero.
9/61
O problema da identicao
Neste estudo, PPS uma varivel dicotmica com distribuio binomial para cada combinao de idade-perodo-coorte frequncia absoluta dos que progrediram e daqueles que no progrediram.
10/61
O problema da identicao
Neste estudo, PPS uma varivel dicotmica com distribuio binomial para cada combinao de idade-perodo-coorte frequncia absoluta dos que progrediram e daqueles que no progrediram. A partir destas quantidades so obtidas as chances de progredir em relao no progredir
10/61
O problema da identicao
Neste estudo, PPS uma varivel dicotmica com distribuio binomial para cada combinao de idade-perodo-coorte frequncia absoluta dos que progrediram e daqueles que no progrediram. A partir destas quantidades so obtidas as chances de progredir em relao no progredir A ligao cannica , ento, realizada pela funo logstica, resultando em um modelo logito da seguinte forma: eij = log ( pij ) = + i + j + k + 1 pij
ij
(2)
10/61
O problema da identicao
Neste estudo, PPS uma varivel dicotmica com distribuio binomial para cada combinao de idade-perodo-coorte frequncia absoluta dos que progrediram e daqueles que no progrediram. A partir destas quantidades so obtidas as chances de progredir em relao no progredir A ligao cannica , ento, realizada pela funo logstica, resultando em um modelo logito da seguinte forma: eij = log ( pij ) = + i + j + k + 1 pij
ij
(2)
Onde eij expressa o logaritmo da razo das chances de progredir numa transio escolar para um determinado grupo etrio e perodo e pij a probabilidade de progresso na clula i, j.
10/61
O problema da identicao
De acordo com Yang et al. (2004), o modelo 8 pode apenas ser operacionalizado atravs da centralizao dos parmetros ou por meio da imposio de identicao de uma de cada covarivel de idade, perodo e coorte como sendo a categoria de referncia.
EI
11/61
O problema da identicao
De acordo com Yang et al. (2004), o modelo 8 pode apenas ser operacionalizado atravs da centralizao dos parmetros ou por meio da imposio de identicao de uma de cada covarivel de idade, perodo e coorte como sendo a categoria de referncia. Escolhida uma das operacionalizaes para o modelo, pode-se reescrever o modelo 8 na forma de uma equao linear geral, onde Y representa o logaritmo da chance de progresso em cada uma das clulas, X a matriz constituda por variveis indicadoras e o vetor de erro aleatrio: Y = X + (3)
EI
11/61
O problema da identicao
A soluo numrica para a obteno dos parmetros amostrais para por mxima verossimilhana do modelo 3 pode ser descrita por: b = (X T X )1 (X T X ) (4)
12/61
O problema da identicao
A soluo numrica para a obteno dos parmetros amostrais para por mxima verossimilhana do modelo 3 pode ser descrita por: b = (X T X )1 (X T X ) (4)
X T X no invertvel perfeita relao linear entre os efeitos de idade, perodo e coorte. algumas colunas da matriz X podem ser linearmente combinadas ou somadas de forma a produzir uma coluna idntica s outras colunas na mesma matriz torna-se impossvel separar as estimativas dos efeitos de coorte, idade e perodo sem que sejam impostas restries adicionais aos coecientes do modelo
12/61
O problema da identicao
A soluo numrica para a obteno dos parmetros amostrais para por mxima verossimilhana do modelo 3 pode ser descrita por: b = (X T X )1 (X T X ) (4)
X T X no invertvel perfeita relao linear entre os efeitos de idade, perodo e coorte. algumas colunas da matriz X podem ser linearmente combinadas ou somadas de forma a produzir uma coluna idntica s outras colunas na mesma matriz torna-se impossvel separar as estimativas dos efeitos de coorte, idade e perodo sem que sejam impostas restries adicionais aos coecientes do modelo Denomina-se este impasse na literatura por problema da identicao
12/61
13/61
13/61
13/61
13/61
13/61
14/61
14/61
14/61
14/61
15/61
15/61
15/61
16/61
Demonstrao baseada em Yang et al. (2004); Yang (2008); Yang et al. (2008)
17/61
Demonstrao baseada em Yang et al. (2004); Yang (2008); Yang et al. (2008) Considere a equao linear geral do modelo IPC
EQ
17/61
Demonstrao baseada em Yang et al. (2004); Yang (2008); Yang et al. (2008) Considere a equao linear geral do modelo IPC
EQ
A dependncia linear entre os efeitos de idade, perodo e coorte pode ser representada na forma matricial da seguinte forma, a partir de um vetor B0 no-nulo: XB0 = 0 (5)
17/61
Demonstrao baseada em Yang et al. (2004); Yang (2008); Yang et al. (2008) Considere a equao linear geral do modelo IPC
EQ
A dependncia linear entre os efeitos de idade, perodo e coorte pode ser representada na forma matricial da seguinte forma, a partir de um vetor B0 no-nulo: XB0 = 0 (5) A equao 5 resultado do fato de que a matriz X singular, i.e., existe alguma combinao linear das colunas da matriz de design X que resulta em um vetor nulo
17/61
Conceito: se uma matriz possui o mximo de colunas linearmente independentes, ento dizemos que ela possui posto completo. Este, todavia, no o caso da matriz X, dada a relao linear prevista entre idade, perodo e coorte
18/61
Conceito: se uma matriz possui o mximo de colunas linearmente independentes, ento dizemos que ela possui posto completo. Este, todavia, no o caso da matriz X, dada a relao linear prevista entre idade, perodo e coorte Kupper et al. (1985): se uma matriz possui posto menor que completo, seu espao paramtrico pode ser decomposto na soma direta de dois subespaos lineares que so perpendiculares entre si: P =N (6)
18/61
Devido a esta decomposio ortogonal do espao paramtrico, cada uma das innitas solues do modelo IPC irrestrito pode ser escrita como: b = B + sB0 (7)
19/61
Devido a esta decomposio ortogonal do espao paramtrico, cada uma das innitas solues do modelo IPC irrestrito pode ser escrita como: b = B + sB0 (7) Onde s um escalar que corresponde a uma soluo especca para o problema da identicao e B0 um autovetor de norma euclidiana ou de tamanho 1.
19/61
Devido a esta decomposio ortogonal do espao paramtrico, cada uma das innitas solues do modelo IPC irrestrito pode ser escrita como: b = B + sB0 (7) Onde s um escalar que corresponde a uma soluo especca para o problema da identicao e B0 um autovetor de norma euclidiana ou de tamanho 1. Yang et al. (2004) argumentam que este autovetor B0 independe das taxas observadas Y, e portanto completamente determinado pelo nmero de grupos etrios e perodos, ou seja, B0 possui uma forma especca que funo to somente da matriz de design X.
19/61
Quando alguma restrio imposta ao vetor de coecientes, tal como propem Fienberg and Mason (1985), ento este princpio violado na medida em que s na equao 7 assume um valor diferente de zero.
20/61
Quando alguma restrio imposta ao vetor de coecientes, tal como propem Fienberg and Mason (1985), ento este princpio violado na medida em que s na equao 7 assume um valor diferente de zero. Qualquer estimador do modelo IPC pode ser descrito por uma restrio de identicao na matriz de design X e B o denominado estimador intrnseco que ortogonal ao espao nulo e determinado pela inversa generalizada de Moore-Penrose
20/61
21/61
Pode ser estimado tanto mediante regresses por componentes principais quanto pelo mtodo de projeo
21/61
Pode ser estimado tanto mediante regresses por componentes principais quanto pelo mtodo de projeo Satisfaz a condio para a estimao de funes lineares do vetor de parmetros b: so invariantes em relao qual soluo para as equaes normais for obtida
21/61
Pode ser estimado tanto mediante regresses por componentes principais quanto pelo mtodo de projeo Satisfaz a condio para a estimao de funes lineares do vetor de parmetros b: so invariantes em relao qual soluo para as equaes normais for obtida Fornece estimadores no viesados dos efeitos de idade, perodo e coorte considerando-se nmero nito xo de perodos p
21/61
Pode ser estimado tanto mediante regresses por componentes principais quanto pelo mtodo de projeo Satisfaz a condio para a estimao de funes lineares do vetor de parmetros b: so invariantes em relao qual soluo para as equaes normais for obtida Fornece estimadores no viesados dos efeitos de idade, perodo e coorte considerando-se nmero nito xo de perodos p medida que p , a arbitrariedade dos mltiplos possveis estimadores por MLGR removida e estes estimadores convergem para o estimador intrnseco B (Yang et al., 2004)
21/61
22/61
Para qualquer nmero nito p de perodos de tempo, o estimador intrnseco B tem uma varincia menor do que qualquer estimador restrito de MLGR
22/61
Para qualquer nmero nito p de perodos de tempo, o estimador intrnseco B tem uma varincia menor do que qualquer estimador restrito de MLGR assintoticamente consistente, i.e, quando p , converge para os parmetros verdadeiros que geram a sequncia de taxas do IPC
22/61
Para qualquer nmero nito p de perodos de tempo, o estimador intrnseco B tem uma varincia menor do que qualquer estimador restrito de MLGR assintoticamente consistente, i.e, quando p , converge para os parmetros verdadeiros que geram a sequncia de taxas do IPC
Limitao: EI apresentar as mesmas medidas de qualidade de ajuste que o estimador por MLGR, tais como a log-verossimilhana e a deviance. Portanto, estas medidas no devem ser utilizadas para selecionar o modelo (Yang et al., 2008)
22/61
Dados e Mtodos
23/61
Dados e Mtodos
Dados: microdados da PNAD-IBGE, 1981 e 2008
24/61
Dados e Mtodos
Dados: microdados da PNAD-IBGE, 1981 e 2008 Uma forma de se acompanhar cada coorte ao longo de repetidas pesquisas olhar para os membros dessa coorte que foram selecionados de forma aleatria em cada ano (Oliveira, 2002)
Figura: Esquema analtico da anlise IPC mediante pesquisas transversais repetidas,
conforme ilustrado em Fienberg e Mason,1985
24/61
Dados e Mtodos
25/61
Dados e Mtodos
Faixa etria: 7 aos 29 anos, estraticada por sexo Transies escolares investigadas:
25/61
Dados e Mtodos
Faixa etria: 7 aos 29 anos, estraticada por sexo Transies escolares investigadas:
Concluso da 1a srie do Ensino Fundamental (e0 )
25/61
Dados e Mtodos
Faixa etria: 7 aos 29 anos, estraticada por sexo Transies escolares investigadas:
Concluso da 1a srie do Ensino Fundamental (e0 ) Concluso da 5a srie do Ensino Fundamental, dado que concluiu a 4a srie (e4 )
25/61
Dados e Mtodos
Faixa etria: 7 aos 29 anos, estraticada por sexo Transies escolares investigadas:
Concluso da 1a srie do Ensino Fundamental (e0 ) Concluso da 5a srie do Ensino Fundamental, dado que concluiu a 4a srie (e4 ) Concluso da 1a srie do Ensino Mdio, dado que concluiu a 8a srie do Ensino Fundamental (e8 )
25/61
Dados e Mtodos
Faixa etria: 7 aos 29 anos, estraticada por sexo Transies escolares investigadas:
Concluso da 1a srie do Ensino Fundamental (e0 ) Concluso da 5a srie do Ensino Fundamental, dado que concluiu a 4a srie (e4 ) Concluso da 1a srie do Ensino Mdio, dado que concluiu a 8a srie do Ensino Fundamental (e8 ) Concluso do primeiro ano do Ensino Superior, dado que concluiu a 3a srie do Ensino Mdio (e11 )
25/61
Dados e Mtodos
26/61
Dados e Mtodos
26/61
Dados e Mtodos
26/61
Dados e Mtodos
Para cada combinao de idade-perodo-coorte-sexo a frequncia absoluta dos que progrediram e dos que no progrediram em determinada transio escolar chances de progredir em relao no progredir em cada uma das clulas da tabela idade-perodo.
27/61
Dados e Mtodos
Para cada combinao de idade-perodo-coorte-sexo a frequncia absoluta dos que progrediram e dos que no progrediram em determinada transio escolar chances de progredir em relao no progredir em cada uma das clulas da tabela idade-perodo. Para a estimao do modelo, a ligao cannica foi determinada funo logstica, resultando em um modelo logito da seguinte forma: eij = log ( pij ) = + i + j + k + 1 pij
ij
(8)
27/61
Dados e Mtodos
Para cada combinao de idade-perodo-coorte-sexo a frequncia absoluta dos que progrediram e dos que no progrediram em determinada transio escolar chances de progredir em relao no progredir em cada uma das clulas da tabela idade-perodo. Para a estimao do modelo, a ligao cannica foi determinada funo logstica, resultando em um modelo logito da seguinte forma: eij = log ( pij ) = + i + j + k + 1 pij
ij
(8)
Onde eij expressa o logaritmo da razo das chances de progredir numa transio escolar para um determinado grupo etrio e perodo e pij a probabilidade de progresso na clula i, j.
27/61
Dados e Mtodos
A opo por esta forma funcional do modelo garantir que as probabilidades de progresso por srie preditas estivessem inseridas no intervalo [0,1]
28/61
Dados e Mtodos
A opo por esta forma funcional do modelo garantir que as probabilidades de progresso por srie preditas estivessem inseridas no intervalo [0,1] Optou-se pela estimao do modelo idade-perodo-coorte em sua forma completa vericar as diferenas entre as metodologias EI e MLGR + avaliar a importncia substantiva dos efeitos de idade, perodo e coorte seria importante testar por interaes e efeitos quadrticos.
28/61
Dados e Mtodos
Para computar o estimador intrnseco algoritmo disponibilizado no STATA por Schulhofer-Wohl and Yang (2006)
29/61
Dados e Mtodos
Para computar o estimador intrnseco algoritmo disponibilizado no STATA por Schulhofer-Wohl and Yang (2006) MLGR algoritmo glm tambm disponvel no STATA (StataCorp, 2007)
29/61
Dados e Mtodos
Para computar o estimador intrnseco algoritmo disponibilizado no STATA por Schulhofer-Wohl and Yang (2006) MLGR algoritmo glm tambm disponvel no STATA (StataCorp, 2007) Estratgia de identicao MLGR duas coortes mais antigas tivessem os mesmos coecientes em todas as transies escolares analisadas (ou seja, as coortes de 1952 e 1953 seriam iguais)
29/61
Resultados
30/61
31/61
Figura: Comparao entre os coecientes estimados para os efeitos de idade, perodo e coorte para e0 Brasil, Mulheres
(a) Idade
(b) Perodo
(c) Coorte
32/61
Figura: Comparao entre os coecientes estimados para os efeitos de idade, perodo e coorte para e0 Brasil, Homens
(a) Idade
(b) Perodo
(c) Coorte
33/61
Figura: Comparao entre os coecientes estimados para os efeitos de idade, perodo e coorte para e4 Brasil, Mulheres
(a) Idade
(b) Perodo
(c) Coorte
34/61
Figura: Comparao entre os coecientes estimados para os efeitos de idade, perodo e coorte para e4 Brasil, Homens
(a) Idade
(b) Perodo
(c) Coorte
35/61
Figura: Comparao entre os coecientes estimados para os efeitos de idade, perodo e coorte para e8 Brasil, Mulheres
(a) Idade
(b) Perodo
(c) Coorte
36/61
Figura: Comparao entre os coecientes estimados para os efeitos de idade, perodo e coorte para e8 Brasil, Homens
(a) Idade
(b) Perodo
(c) Coorte
37/61
Figura: Comparao entre os coecientes estimados para os efeitos de idade, perodo e coorte para e11 Brasil, Mulheres
(a) Idade
(b) Perodo
(c) Coorte
38/61
Figura: Comparao entre os coecientes estimados para os efeitos de idade, perodo e coorte para e11 Brasil, Homens
(a) Idade
(b) Perodo
(c) Coorte
39/61
40/61
Figura: Comparao entre os coecientes estimados pelo EI e MLGR para os efeitos de idade na probabilidade de progresso para a 1a srie.
(a) Mulheres - EI
(c) Homens - EI
Figura: Comparao entre os coecientes estimados pelo EI e MLGR para os efeitos de idade na probabilidade de progresso para a 5a srie.
(a) Mulheres - EI
(c) Homens - EI
Figura: Comparao entre os coecientes estimados pelo EI e MLGR para os efeitos de idade na probabilidade de progresso para a 1a srie do Ensino Mdio.
(a) Mulheres - EI
(c) Homens - EI
Figura: Comparao entre os coecientes estimados pelo EI e MLGR para os efeitos de idade na probabilidade de progresso para o Ensino Superior.
(a) Mulheres - EI
(c) Homens - EI
Figura: Comparao entre os coecientes estimados pelo EI e MLGR para os efeitos de perodo na probabilidade de progresso para a 1a srie.
(a) Mulheres - EI
(c) Homens - EI
Figura: Comparao entre os coecientes estimados pelo EI e MLGR para os efeitos de perodo na probabilidade de progresso para a 5a srie.
(a) Mulheres - EI
(c) Homens - EI
Figura: Comparao entre os coecientes estimados pelo EI e MLGR para os efeitos de perodo na probabilidade de progresso para a 1a srie do Ensino Mdio.
(a) Mulheres - EI
(c) Homens - EI
Figura: Comparao entre os coecientes estimados pelo EI e MLGR para os efeitos de perodo na probabilidade de progresso para o Ensino Superior.
(a) Mulheres - EI
(c) Homens - EI
Figura: Comparao entre os coecientes estimados pelo EI e MLGR para os efeitos de coorte na probabilidade de progresso para a 1a srie.
(a) Mulheres - EI
(c) Homens - EI
Figura: Comparao entre os coecientes estimados pelo EI e MLGR para os efeitos de coorte na probabilidade de progresso para a 5a srie.
(a) Mulheres - EI
(c) Homens - EI
Figura: Comparao entre os coecientes estimados pelo EI e MLGR para os efeitos de coorte na probabilidade de progresso para a 1a srie do Ensino Mdio.
(a) Mulheres - EI
(c) Homens - EI
Figura: Comparao entre os coecientes estimados pelo EI e MLGR para os efeitos de coorte na probabilidade de progresso para o Ensino Superior.
(a) Mulheres - EI
(c) Homens - EI
Consideraes nais
53/61
Consideraes nais
Neste artigo, buscou-se com a anlise IPC a investigao sobre as diferentes fontes de variao nas probabilidades de progresso por srie
54/61
Consideraes nais
Neste artigo, buscou-se com a anlise IPC a investigao sobre as diferentes fontes de variao nas probabilidades de progresso por srie Buscou-se comparar duas metodologias: a primeira delas usual na literatura demogrca Fienberg and Mason (1985), a qual denominamos modelos lineares generalizados restritos (MLGR), e uma metodologia recente que emergiu de avanos na epidemiologia, o chamado estimador intrnseco (EI)
54/61
Consideraes nais
Neste artigo, buscou-se com a anlise IPC a investigao sobre as diferentes fontes de variao nas probabilidades de progresso por srie Buscou-se comparar duas metodologias: a primeira delas usual na literatura demogrca Fienberg and Mason (1985), a qual denominamos modelos lineares generalizados restritos (MLGR), e uma metodologia recente que emergiu de avanos na epidemiologia, o chamado estimador intrnseco (EI) A grande inovao do EI que, atravs da decomposio do espao paramtrico do modelo IPC irrestrito (ou seja, aquele no identicado), este estimador especial B pode ser derivado tanto pelo mtodo de projeo quanto pelo mtodo de regresso por componentes principais
54/61
Consideraes nais
EI:
55/61
Consideraes nais
EI:
Signicncia estatstica em grande parte das variveis
55/61
Consideraes nais
EI:
Signicncia estatstica em grande parte das variveis Menor varincia
55/61
Consideraes nais
EI:
Signicncia estatstica em grande parte das variveis Menor varincia Resultados condizentes com a evoluo histrica das polticas educacionais no Brasil
55/61
Consideraes nais
EI:
Signicncia estatstica em grande parte das variveis Menor varincia Resultados condizentes com a evoluo histrica das polticas educacionais no Brasil
55/61
Consideraes nais
EI:
Signicncia estatstica em grande parte das variveis Menor varincia Resultados condizentes com a evoluo histrica das polticas educacionais no Brasil
55/61
Consideraes nais
EI:
Signicncia estatstica em grande parte das variveis Menor varincia Resultados condizentes com a evoluo histrica das polticas educacionais no Brasil
55/61
Consideraes nais
EI:
Signicncia estatstica em grande parte das variveis Menor varincia Resultados condizentes com a evoluo histrica das polticas educacionais no Brasil
55/61
Consideraes nais
56/61
Consideraes nais
EI: ferramenta poderosa na anlise IPC. Projees probabilsticas das PPSs a partir do EI promissoras
56/61
Consideraes nais
EI: ferramenta poderosa na anlise IPC. Projees probabilsticas das PPSs a partir do EI promissoras Este o prximo passo que pretendemos implementar em artigos futuros
56/61
Consideraes nais
EI: ferramenta poderosa na anlise IPC. Projees probabilsticas das PPSs a partir do EI promissoras Este o prximo passo que pretendemos implementar em artigos futuros Ser necessrio tambm em trabalhos futuros encontrar o melhor modelo para cada probabilidade de progresso: teste para interaes e incluso de termos quadrticos.
56/61
Obrigada!
raquel@cedeplar.ufmg.br eduardo@cedeplar.ufmg.br
57/61
Referncias I
Fienberg, S. E., & Mason, W. M. (1985). Specication and implementation of age, period and cohort models. In W. M. Mason & S. E. Fienberg (Eds.), Cohort analysis in social research. Springer Verlag. Fu, W. J. (2000). Ridge estimator in singular design with application to age-period-cohort analysis of disease rates. Communications in Statistics: Theory and Method, 29, 263278. Fu, W. J., Hall, P., & Rohan, T. E. (2004). Age-period-cohort analysis: Structure of estimators, estimability, sensitivity, and asymptotics. Journal of the American Statistical Association. Glenn, N. D. (1976, out). Cohort analysts futile quest: Statistical attempts to separate age, period and cohort eects. American Sociological Review, 41(5), 900904. Halli, S. S., & Rao, K. V. (1992). Advanced techniques of population analysis. Plenum Press.
58/61
Referncias II
Heckman, J., & Robb, R. (1985). Using longitudinal data to estimate age, period and cohort eects in earnings equation. In W. M. Mason & S. E. Fienberg (Eds.), Cohort analysis in social research. Springer Verlag. Knight, K., & Fu, W. J. (2000). Asymptotics for lasso-type estimations. Annals of Statistics, 28, 135678. Kupper, L. L., Janis, J. M., Karmous, A., & Greenberg, B. G. (1985). Statistical age-period-cohort analysis: A review and critique. Journal of Chronic Diseases, 38, 811830. Mason, K. O., Mason, W. M., Winsborough, H. H., & Poule, W. K. (1973). Some methodological issues in cohort analysis of archive data. American Sociological Review, 38, 242258. Mason, W. M., & Smith, H. L. (1985). Age-period-cohort analysis and the study of deaths from pulmonary turbeculosis. In W. M. Mason & S. E. Fienberg (Eds.), Cohort analysis in social research. Springer Verlag.
59/61
Referncias III
Oliveira, A. M. H. C. de. (2002). Acumulando informaes e estudando mudanas ao longo do tempo: Anlises longitudinais do mercado de trabalho brasileiro. Unpublished doctoral dissertation, Centro de Desenvolvimento e Planejamento Regional. Rodgers, W. L. (1982, dez). Estimable functions of age, period, and cohort eects. American Sociological Review, 47(6), 774787. Schulhofer-Wohl, S., & Yang, Y. (2006, August). APC: Stata module for estimating age-period-cohort eects. Statistical Software Components, Boston College Department of Economics. Available from http://ideas.repec.org/c/boc/bocode/s456754.html Smith, H. (2004). Response: cohort analysis redux. Sociological Methodology, 34, 111119. StataCorp. (2007). Stata statistical software: Release 10. Winship, C., & Harding, D. J. (2008). A mechanism-based approach to the identication of age-period-cohort models. Sociological Methods Research, 36, 362401.
60/61
Referncias IV
Yang, Y. (2008, Maio). Trends in u.s. adult chronic disease mortality, 1960-1999: age, period and cohort variations. Demography, 45(2), 387416. Yang, Y., Fu, W. J., & Land, K. C. (2004). A methodological comparison of age-period-cohort models: the intrinsic estimator and conventional generalized linear models. Sociological Methodology, 35, 75110. Yang, Y., Fu, W. J., Schulhofer-Wohl, S., & Land, K. C. (2008, maio). The Intrinsic Estimator for age-period-cohort analysis: What it is an how to use it. American Journal of Sociology, 113(6), 16971736.
61/61