R语言 vcdExtra包 Heckman()函数中文帮助文档(中英文对照)

loveR

Heckman(vcdExtra)
Heckman()所属R语言包：vcdExtra

                                        Labour Force Participation of Married Women 1967-1971
                                         已婚妇女的1967-1971年劳动人口参与

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

1583 married women were surveyed over the years 1967-1971,  recording whether or not they were employed in the labor force.
1583名已婚妇女进行了调查，在1967年至1971年，记录是否他们被雇用的劳动人口。

The data, originally from Heckman & Willis (1977) provide an example of modeling longitudinal categorical data, e.g., with markov chain models for dependence over time.
赫克曼和威利斯（1977年）的数据，最初是从造型纵向分类的数据，例如，用马尔可夫链模型的依赖程度随着时间的推移，提供了一个例子。


用法----------Usage----------


data(Heckman)



格式----------Format----------

A     5-dimensional array resulting from cross-tabulating    5 variables for  1583 observations. The variable names and their levels are:
一个5维数组跨制表5个变量为1583年的观测。变量的名字和他们的水平：

Name
名称

e1971
e1971

e1970
e1970

e1969
e1969

e1968
e1968

e1967
e1967


Details

详细信息----------Details----------

Lindsey (1993) fits an initial set of logistic regression models examining the dependence of employment in 1971 (e1971) on successive subsets of the previous years, e1970, e1969, ... e1967.
林赛（1993年）适合的一组初始的logistic回归模型检验的依赖就业1971（e1971）前几年的连续子集，e1970，e1969，... e1967。

Alternatively, one can examine markov chain models of first-order (dependence on previous year), second-order (dependence on previous two years), etc.
另外，我们可以检查马尔可夫链模型（上一年的依赖）第一阶，第二阶（前两年的依赖）等。


源----------Source----------

Lindsey, J. K. (1993).  Models for Repeated Measurements Oxford, UK: Oxford University Press, p. 185.
林赛，J. K.（1993）。模型重复测量，英国牛津：牛津大学出版社，页。 185。


参考文献----------References----------

"A beta-logistic model for the analysis of sequential labor force participation by married women."  Journal of Political Economy, 85: 27-58

实例----------Examples----------


data(Heckman)

# independence model[独立模型]
mosaic(Heckman, shade=TRUE)
# same, as a loglm()[相同，作为loglm（）]
(heckman.mod0 <- loglm(~ e1971+e1970+e1969+e1968+e1967, data=Heckman))
mosaic(heckman.mod0, main="Independence model")

# first-order markov chain: bad fit[一阶马尔可夫链格格不入]
(heckman.mod1 <- loglm(~ e1971*e1970 + e1970*e1969 +e1969*e1968 + e1968*e1967, data=Heckman))
mosaic(heckman.mod1, main="1st order markov chain model")

# second-order markov chain: bad fit[二阶马尔可夫链格格不入]
(heckman.mod2 <- loglm(~ e1971*e1970*e1969 + e1970*e1969*e1968 +e1969*e1968*e1967, data=Heckman))
mosaic(heckman.mod2, main="2nd order markov chain model")

# second-order markov chain: fits OK[二阶马尔可夫链：适合OK]
(heckman.mod3 <- loglm(~ e1971*e1970*e1969*e1968 + e1970*e1969*e1968*e1967, data=Heckman))
mosaic(heckman.mod2, main="3rd order markov chain model")


转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。