非连续性与异质性——多阶段混合增长模型在语言发展研究中的应用

多阶段混合增长模型(Piecewise Growth Mixture Modeling,PGMM)是近几年新兴的同时关注群体的发展阶段非连续性和潜在异质性的统计模型。它将多阶段增长模型和潜类别增长模型进行整合,可以描述同时存在发展转折点和不同发展类别的描述群体增长趋势的数据。文章以早期儿童的追踪研究(幼儿园版)为例,运用PGMM模型探索其增长趋势,得出:(1)两阶段混合增长模型能最有效地描述学生阅读能力的发展,转折点在一年级,随着年龄的增加,发展速度变慢;(2)发展趋势分为三类,大部分个体起点低、发展快,小部分个体起点高、发展慢,到三年级以后两个类别差距越来越小,另一部分整体发展都比较缓慢;(3)教师对学生行为的评价比父母的评价更能有效预测学生阅读成绩的类别和趋势。

基于有限混合模型的高速公路事故影响因素分析

深入理解高速公路的事故影响因素是进行安全改善的基础。单车(SV)和多车(MV)事故的发生机理不同,2类事故在空间分布上也存在显著差异,需要分别分析道路几何设计、交通运行和2类事故数的关系。数据异质性导致不同路段上同一变量对事故数的影响不一致的情况存在,仅通过事故分类难以解决,有限混合建模技术通过分组且允许各组数据服从不同分布来捕获数据的异质性。事故数据建模表明,单车、多车事故的影响因素有显著差别,后者的影响因素更复杂。将研究路段分为2组的有限混合模型最优,单车事故模型中划分的2组路段在纵坡变化值上有显著差异,纵坡变化值较小的1组中,随着中央分隔带变窄和大车比例减小,事故数增加;另1组中2个变量对事故数则无显著影响。多车事故模型中划分的2组路段在缓和曲线长度上有显著差异,缓和曲线较短的1组中,随着平曲线半径减小和竖曲线比例增大,事故数增加;另1组中随着变量的变化事故数减少。

异质性要素回报、随机冲击与残差收入不平等

残差收入是Mincer收入回归方程的残差,反映了相同个体特征的劳动者间的收入差异,对劳动者实际收入不平等的贡献在60%以上。本文在一个统一的模型框架下分解出了劳动者不可观测的异质性能力、随机收入冲击及其相对应的价格效应对我国劳动者残差收入不平等的影响,探明了残差收入不平等随时间不断上升的内在原因。研究表明,我国劳动者残差收入不平等的主要决定因素是暂时性收入冲击,其大小能解释60%以上的残差收入不平等。但是,与劳动者潜在异质性能力相关的价格效应的不断上升,是引起残差收入不平等随时间不断扩大的主要原因。此外,对不同受教育程度劳动者子样本的估计结果还表明,高学历劳动者潜在能力价格相对于低学历劳动者更快上涨,是不同受教育程度劳动者间实际收入差距扩大的一个不可忽视的原因。