Advertisement

Haben hierarchische Alters-Perioden-Kohorten-Modelle eine Zukunft?

Eine Simulationsstudie und ein empirisches Beispiel
  • Daniel LoisEmail author
Abhandlungen
  • 119 Downloads

Zusammenfassung

Im Jahr 2006 haben Yang Yang und Kenneth C. Land sogenannte hierarchische Alters-Perioden-Kohorten-Modelle (HAPK) vorgeschlagen. Hierbei werden Einflüsse der Kalenderzeit und der Geburtskohorte als zeitliche Kontextfaktoren auf Ebene 2 eines Mehrebenenmodells aufgefasst. Die vorliegende Arbeit kommt auf Basis einer Simulationsstudie mit Trenddaten (wiederholten Querschnitten) zu dem Schluss, dass das konventionelle HAPK-Modell zu deutlich verzerrten Schätzungen führt. Während der Alters- als auch der Periodeneffekt überschätzt werden, wird der Kohorteneffekt unterschätzt. Abgewandelte HAPK-Modelle, die den Kohorteneffekt im „fixed part“ des Modells ansiedeln, sind dem konventionellen Modell gemäß der Simulationsstudie deutlich überlegen. Der modifizierte HAPK-Ansatz wird anschließend auf ein empirisches Beispiel angewendet, das sich mit dem Wandel der Geschlechtsrollenideologie westdeutscher Frauen beschäftigt.

Schlüsselwörter

Kollinearität Mehrebenenmodelle Kohortenstudie Sozialisationseffekte Identifikationsproblem 

Do Hierarchical Age-Period-Cohort Models Have a Future?

A Simulation Study and an Empirical Example

Abstract

In 2006, Yang Yang and Kenneth C. Land postulated so-called hierarchical age-period-cohort models (HAPC). In this approach, period and cohort effects are modelled as temporal context effects on level 2 of a multilevel model. Based on a Monte Carlo simulation with repeated cross-sectional data, the present study concludes that the conventional HAPC leads to clearly biased estimates. While both the true age effect and period effect are overestimated, the cohort effect is underestimated. As a possible solution, modified HAPC models are tested which include the cohort effect in the fixed part of the model. The simulation confirmed that this modified HAPC approach outperforms the conventional HAPC model. In addition to the simulation study, the new HAPC approach is demonstrated for an empirical example, which concerns the change of the gender role ideology of West German women.

Keywords

Collinearity Hierarchical linear models Cohort study Socialization effects Identification problem 

Literatur

  1. Bell, Andrew, und Kelvyn Jones. 2014a. Another ‘Futile Quest’? A simulation study of Yang and land’s hierarchical age-period-cohort model. Demographic Research 30:333–360.Google Scholar
  2. Bell, Andrew, und Kelvyn Jones. 2014b. Don’t birth cohorts matter? A commentary and simulation exercise on Reither, Hauser, and Yang’s (2009) Age-Period-Cohort Study of Obesity. Social Science & Medicine 101:176–180.Google Scholar
  3. Bell, Andrew, und Kelvyn Jones. 2015. Should age-period-cohort analysts accept innovation without scrutiny? A response to Reither, Masters, Yang, Powers Zheng and Land. Social Science & Medicine 128:331–333.Google Scholar
  4. Bell, Andrew, und Kelvyn Jones. 2018. The hierarchical age-period-cohort model: Why does it find the results it finds? Quality & Quantity 52:783–799.Google Scholar
  5. Braun, Michael, Duane F. Alwin und Jacqueline Scott. 1994. Wandel der Einstellungen zur Rolle der Frau in Deutschland und den Vereinigten Staaten. In Blickpunkt Gesellschaft 3 – Einstellungen und Verhalten der Bundesbürger, Hrsg. Michael Braun und Peter Mohler, 151–173. Opladen: Westdeutscher Verlag.Google Scholar
  6. Brooks, Clem, und Catherine Bolzendahl. 2004. The transformation of US gender role attitudes: Cohort replacement, social-structural change, and ideological learning. Social Science Research 33:106–133.Google Scholar
  7. Brown, Helene, und Robin Prescott. 2006. Applied mixed models in medicine. New York: Wiley.Google Scholar
  8. Bryan, Mark L., und Stephen P. Jenkins. 2016. Multilevel modelling of country effects: A cautionary tale. European Sociological Review 32:3–22.Google Scholar
  9. Bryant, Alyssa N. 2003. Changes in attitudes toward women’s roles: Predicting gender-role traditionalism among college students. Sex Roles 48:131–142.Google Scholar
  10. Cotter, David , Joan M. Hermsen und Reeve Vanneman. 2011. The end of the gender revolution? Gender role attitudes from 1977 to 2008. American Journal of Sociology 117:259–289.Google Scholar
  11. Dassonneville, Ruth. 2013. Questioning generational replacement. An age, period and cohort analysis of electoral volatility in the Netherlands, 1971–2010. Electoral Studies 32:37–47.Google Scholar
  12. Davis, Shannon N. 2007. Gender ideology construction from adolescence to young adulthood. Social Science Research 36:1021–1041.Google Scholar
  13. Elff, Martin, Jan Paul Heisig, Merlin Schäffer und Susumu Shikano. 2016. No need to turn Bayesian in multilevel analysis with few clusters: How frequentist methods provide unbiased estimates and accurate inference. SocArXiv Pap.  https://doi.org/10.31235/osf.io/z65s4.CrossRefGoogle Scholar
  14. Enders, Craig K., und Davood Tofighi. 2007. Centering predictor variables in cross-sectional multilevel models: A new look at an old issue. Psychological Methods 12:121–138.Google Scholar
  15. Fienberg, Stephen E. 2013. Cohort analysis’ unholy quest: A discussion. Demography 50:1981–1984.Google Scholar
  16. GESIS – Leibniz-Institut für Sozialwissenschaften. 2018. Allgemeine Bevölkerungsumfrage der Sozialwissenschaften ALLBUS – Kumulation 1980-2016. GESIS Datenarchiv, Köln. ZA4586 Datenfile Version 1.0.0,  https://doi.org/10.4232/1.13029.
  17. Grunow, Daniela, Katia Begall und Sandra Buchler. 2018. Gender ideologies in Europe: A multidimensional framework. Journal of Marriage and Family 80:42–60.Google Scholar
  18. Harville, David A. 1977. Maximum likelihood approaches to variance component estimation and to related problems. Journal of the American Statistical Association 72:320–338.Google Scholar
  19. Hayes, Sharon. 1996. The cultural contradictions of motherhood. New Haven, CT: Yale University Press.Google Scholar
  20. Hoffmeyer-Zlotnik, Jürgen H.P. 1997. „Stellung im Beruf“ als Ersatz für eine Berufsklassifikation zur Ermittlung von sozialem Prestige. ZUMA-Nachrichten 27:114–127.Google Scholar
  21. Holst, Elke, und Anna Wieber. 2014. Bei der Erwerbstätigkeit der Frauen liegt Ostdeutschland vorn. DIW-Wochenbericht 40:967–976.Google Scholar
  22. Hurrelmann, Klaus, und Erik Albrecht. 2014. Die heimlichen Revolutionäre – Wie die Generation Y unsere Welt verändert. Verlag Beltz: Weinheim.Google Scholar
  23. Karl, Michaela. 2011. Die Geschichte der Frauenbewegung. Stuttgart: Reclam.Google Scholar
  24. Katz-Wise, Sabra L., Heather A. Priess und Janet S. Hyde. 2010. Gender-role attitudes and behaivor across the transition to parenthood. Developmental Psychology 46:18–28.Google Scholar
  25. Klein, Markus, und Manuela Pötschke. 2004. Die intra-individuelle Stabilität gesellschaftlicher Wertorientierungen. Kölner Zeitschrift für Soziologie und Sozialpsychologie 56:432–456.Google Scholar
  26. Krampen, Günter. 1979. Eine Skala zur Messung der normativen Geschlechtsrollen-Orientierung (GRO-Skala). Zeitschrift für Soziologie 8:254–266.Google Scholar
  27. Kuha, Jouni. 2004. AIC and BIC: Comparisons of assumptions and performance. Sociological Methods and Research 33:188–229.Google Scholar
  28. Lee, Kristen S., Duane F. Alwin und Paula A. Tufis. 2007. Beliefs about woman’s labour in the reunified Germany, 1991–2004. European Sociological Review 23:487–503.Google Scholar
  29. Lois, Daniel. 2011. Church membership and church attendance across time – A trend analysis considering differences between East and West Germany. Comparative Population Studies – Zeitschrift für Bevölkerungswissenschaft 36:161–192.Google Scholar
  30. Luo, Liying, und James S. Hodges. 2016. Block constraints in age-period-cohort models with unequal-width intervals. Sociological Methods and Research 45:700–726.Google Scholar
  31. Maas, Cora J. M., und Joop J. Hox. 2005. Sufficient sample sizes for multilevel modeling. Methodology 1:86–92.Google Scholar
  32. Mays, Anja. 2012. Determinanten traditionell-sexistischer Einstellungen in Deutschland – eine Analyse mit ALLBUS-Daten. Kölner Zeitschrift für Soziologie und Sozialpsychologie 64:277–302.Google Scholar
  33. Meredith, William. 1993. Measurement invariance, factor analysis and factorial invariance. Psychometrika 58:525–543.Google Scholar
  34. Nave-Herz, Rosemarie. 1997. Die Geschichte der Frauenbewegung in Deutschland. Hannover: Niedersächsische Landeszentrale für politische Bildung.Google Scholar
  35. Patterson, H. Desmond, und Robin Thompson. 1971. Recovery of inter-block information when block sizes are unequal. Biometrika 58:545–554.Google Scholar
  36. Raudenbush, Stephen W., und Anthony S. Bryk. 2002. Hierarchical linear models: Applications and data analysis methods. Thousand Oaks: Sage.Google Scholar
  37. Reither, Eric N., Robert M. Hauser und Yang Yang. 2009. Do birth cohorts matter? Age-period-cohort analyses of the obesity epidemic in the United States. Social Science & Medicine 69:1439–1448.Google Scholar
  38. Reither, Eric N., Kenneth C. Land, Sun Y. Jeon, Daniel A. Powers, Ryan K. Masters, Hui Zheng, Melissa A. Hardy, Katherine M. Keyes, Qiang Fu, Heidi A. Hanson, Smith. Ken R., Rebecca L. Utz und Yang Claire Yang. 2015b. Clarifiying hierarchical age-period-cohort models: A rejoinder to Bell and Jones. Social Science & Medicine 145:125–128.Google Scholar
  39. Reither, Eric N., Ryan K. Masters, Yang Claire Yang, Daniel A. Powers, Hui Zheng und Kenneth C. Land. 2015a. Should age-period-cohort studies return to the methodologies of the 1970s? Social Science & Medicine 128:356–365.Google Scholar
  40. Rubin, Donald B. 1996. Multiple imputation after 18+ years. Journal of the American Statistical Association 91:473–489.Google Scholar
  41. Ryder, Norman B. 1965. The cohort as a concept in the study of social change. American Sociological Review 30:843–861.Google Scholar
  42. Schröder, Martin. 2018. Der Generationenmythos. Kölner Zeitschrift für Soziologie und Sozialpsychologie 70:469–494.Google Scholar
  43. Schwadel, Philip. 2010. Period and cohort effects on religious nonaffiliation and religious disaffiliation: A research note. Journal for the Scientific Study of Religion 49:311–319.Google Scholar
  44. Stegmüller, Daniel. 2013. How many countries for multilevel modeling? A comparison of frequentist and Bayesian approaches. American Journal of Political Science 57:748–761.Google Scholar
  45. Swim, Janet K., Kathryn J. Aikin, Wayne S. Hall und Barbara A. Hunter. 1995. Sexism and racism: Old-fashioned and modern prejudices. Journal of Personality and Social Psychology 68:199–241.Google Scholar
  46. Tallichet, Suzanne E., und Fern K. Willits. 1986. Gender-role attitude change of young women: Influential factors from a panel study. Social Psychology Quarterly 49:219–227.Google Scholar
  47. Vespa, Jonathan. 2009. Gender ideology construction: A life course and intersectional approach. Gender and Society 23:363–387.Google Scholar
  48. Winship, Christopher, und David J. Harding. 2008. A mechanism-based approach to the identification of age-period-cohort models. Sociological Methods and Research 36:362–401.Google Scholar
  49. Yang, Yang. 2008. Social inequalities in happiness in the U.S. 1972–2004: An age-period-cohort analysis. American Sociological Review 73:204–226.Google Scholar
  50. Yang, Yang, und Kenneth C. Land. 2006. A mixed models approach to age-period-cohort analysis of repeated cross-section surveys: Trends in verbal test scores. Sociological Methodology 36:75–97.Google Scholar
  51. Yang, Yang, und Kenneth C. Land. 2008. Age-period-cohort analysis of repeated cross-section surveys: Fixed or random effects? Sociological Methods & Research 36:297–326.Google Scholar
  52. Yang, Yang, und Kenneth C. Land. 2013. Age-period-cohort analysis: New models, methods, and empirical applications. Boca Raton: CRC Press.Google Scholar
  53. Ye, Feifei, und Laura Daniel. 2017. The impact of inappropriate modeling of cross-classified data structures on random slope models. Journal of Modern Applied Statistical Methods 16:458–484.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Fakultät für HumanwissenschaftenUniversität der Bundeswehr MünchenNeubibergDeutschland

Personalised recommendations