1 年龄-时期-队列模型概述 1
1.1 引言 1
1.2 对年龄、时期和队列的关注 2
1.3 队列的重要性 5
1.4 本书的计划 16
参考文献 18
2 多分类模型和约束回归 21
2.1 引言 21
2.2 线性编码的年龄-时期-队列（APC）模型 22
2.3 分类编码的APC模型 24
2.4 广义线性模型 29
2.5 零向量 29
2.6 模型拟合 31
2.7 解与约束条件正交 32
2.8 检验解之间的关系 32
2.9 约束解在旋转前后的差异 40
2.10 忽略一个或多个年龄、时期或队列因素的解 42
2.11 偏差：约束估计和数据生成参数 46
2.12 单一约束条件下的无偏估计 48
2.13 有额外实证支持的合理约束条件 48
2.14 结论 51
附录2.1 虚拟变量和效应编码 52
附录2.2 确定效应编码、虚拟变量编码变量的零向量 53
附录2.3 作为无偏估计的约束估计 55
参考文献 55
3 APC模型和约束估计的几何原理 57
3.1 引言 57
3.2 一般几何视角下的单一秩亏模型 58
3.3 多维模型的泛化 65
3.4 含线性编码变量的APC模型 66
3.5 几何解和代数解的等价性 73
3.6 多分类模型的几何原理 75
3.7 离原点的距离和沿解集线的距离 76
3.8 实证案例：Frost的结核病数据 77
3.9 APC模型几何原理重要特征总结 80
3.10 机械约束的问题 82
3.11 讨论 85
附录3.1 85
参考文献 86
4 可估函数法 88
4.1 引言 88
4.2 可估函数 89
4.3 在年龄-时期-队列（APC）模型中用l’sv法建立可估函数 91
4.4 利用l’sv法推导可估函数的一些示例 93
4.5 对l’sv法的评论 99
4.6 有经验数据的可估函数 100
4.7 对男女肺癌死亡率差异的更多实质性检验 104
4.8 结论 106
附录4.1 107
参考文献 109
5 在年龄-时期-队列（APC）模型中分解方差 111
5.1 引言 111
5.2 归因方差：年龄-时期-队列方差分析法（APC ANOVA） 112
5.3 APC混合模型 115
5.4 分层APC模型 124
5.5 使用凶杀犯罪数据的实证案例 127
5.6 结论 136
参考文献 138
6 因素-特征法 140
6.1 引言 140
6.2 单因素特征 141
6.3 双因素或多因素的特征 145
6.4 因素和因素特征的方差分解 146
6.5 实证案例：年龄-时期别自杀率和频数 147
6.6 对具有两个队列特征的自杀数据进行年龄-时期-队列特征（APCC）分析 152
6.7 对具有两个时期特征的自杀数据进行年龄-队列-时期特征（ACPC）分析 155
6.8 年龄-时期-特征-队列特征模型 158
6.9 基于因素特征和机制的方法 160
6.10 因素-特征模型的其他特征和分析 161
6.11 结论 162
参考文献 163
7 总结：一个实证案例 165
7.1 引言 165
7.2 实证案例：凶杀犯罪 166
7.3 结论 183
参考文献 185
索引 187
译后记 193