前言／1
1　年齡-時期-隊列模型概述／1
1.1　引言／1
1.2　對年齡、時期和隊列的關注／2
1.3　隊列的重要性／5
1.4　本書的計劃／16
參考文獻／18
2　多分類模型和約束迴歸／21
2.1　引言／21
2.2　綫性編碼的年齡-時期-隊列（APC）模型／22
2.3　分類編碼的APC模型／24
2.4　廣義綫性模型／29
2.5　零嚮量／29
2.6　模型擬閤／31
2.7　解與約束條件正交／32
2.8　檢驗解之間的關係／32
2.9　約束解在鏇轉前後的差異／40
2.10　忽略一個或多個年齡、時期或隊列因素的解／42
2.11 　偏差：約束估計和數據生成參數／46
2.12　單一約束條件下的無偏估計／48
2.13　有額外實證支持的閤理約束條件／48
2.14　結論／51
附錄 2.1　虛擬變量和效應編碼／52
附錄2.2　確定效應編碼、虛擬變量編碼變量的零嚮量／53
附錄2.3　作為無偏估計的約束估計／55
參考文獻／55
3　APC模型和約束估計的幾何原理／57
3.1　引言／57
3.2　一般幾何視角下的單一秩虧模型／58
3.3　多維模型的泛化／65
3.4　含綫性編碼變量的APC模型／66
3.5　幾何解和代數解的等價性／73
3.6　多分類模型的幾何原理／75
3.7　離原點的距離和沿解集綫的距離／76
3.8　實證案例：Frost的結核病數據／77
3.9　APC模型幾何原理重要特徵總結／80
3.10　機械約束的問題／82
3.11　討論／85
附錄3.1／85
參考文獻／86
4　可估函數法／88
4.1　引言／88
4.2　可估函數／89
4.3　在年齡-時期-隊列（APC）模型中用l′sv法建立可估函數／91
4.4　利用l′sv法推導可估函數的一些示例／93
4.5　對l′sv 法的評論／99
4.6　有經驗數據的可估函數／100
4.7　對男女肺癌死亡率差異的更多實質性檢驗／104
4.8　結論／106
附錄4.1／107
參考文獻／109
5　在年齡-時期-隊列（APC）模型中分解方差／111
5.1　引言／111
5.2　歸因方差：年齡-時期-隊列方差分析法（APC ANOVA）／112
5.3　APC混閤模型／115
5.4　分層APC模型／124
5.5　使用凶殺犯罪數據的實證案例／127
5.6　結論／136
參考文獻／138
6　因素-特徵法／140
6.1　引言／140
6.2　單因素特徵／141
6.3　雙因素或多因素的特徵／145
6.4　因素和因素特徵的方差分解／146
6.5　實證案例：年齡-時期彆自殺率和頻數／147
6.6　對具有兩個隊列特徵的自殺數據進行年齡-時期-隊列特徵（APCC）分析／152
6.7　對具有兩個時期特徵的自殺數據進行年齡-隊列-時期特徵（ACPC）分析／155
6.8　年齡-時期-特徵-隊列特徵模型／158
6.9　基於因素特徵和機製的方法／160
6.10　因素-特徵模型的其他特徵和分析／161
6.11　結論／162
參考文獻／163
7　總結：一個實證案例／165
7.1　引言／165
7.2　實證案例：凶殺犯罪／166
7.3　結論／183
參考文獻／185
索引／187
譯後記／193
· · · · · · (收起)