Thesis (Ph.D.)--University of Nebraska-Lincoln, 2009. / Title from title screen (site viewed February 25, 2010). PDF text: x, 193 p. ; 3 Mb. UMI publication number: AAT 3386609. Includes bibliographical references. Also available in microfilm and microfiche formats.

Thesis (Ph. D.)--Ohio State University, 2006. / Title from first page of PDF file. Includes bibliographical references (p. 152-153).

Statistics / M. Sc. (Statistics)

No description available.

No description available.

In a contemporary Europe symptomized by concurrent trends of economic and demographic transformation it is increasingly important to trace how individuals are navigate their everyday contexts when making major life course decisions.  Placed within an emerging tradition of sub-national demographic research, this study focuses on how municipal economic conditions affect entry into parenthood throughout Sweden.   Employing event-history analysis using individual and multi-level regression models on Swedish register data for the period 2000 to 2007 the study seek answers to whether growing regional economic disparities are conducive to a fault line between contexts in terms of how individuals enter parenthood.    Further it problematizes the measures traditionally used to model contextual economic conditions by introducing a measure of vulnerability as a covariate alongside traditional unemployment rates. The findings reveal that poor economic conditions, in combination with individual characteristics, distinctly affect entry into parenthood and are mostly composed of a timing-effect.

Os modelos multiníveis representam uma classe de modelos utilizada para ajustes de dados que apresentam estrutura de hierarquia. O presente trabalho propõe uma generalizacão dos modelos normais multiníveis, denominada modelos elípticos multiníveis. Esta proposta sugere o uso de distribuicões de probabilidade pertencentes à classe elíptica, envolvendo portanto todas as distribuições contínuas simétricas, incluindo a distribuição normal como caso particular. As distribuições elípticas podem apresentar caudas mais leves ou mais pesadas que as caudas da distribuição normal. No caso da presença de observações aberrantes, é sugerido o uso de distribuições com caudas pesadas no intuito de obter um melhor ajuste do modelo aos dados considerados discrepantes. Nesta dissertação, alguns aspectos dos modelos elípticos multiníveis são desenvolvidos, como o processo de estimação dos parâmetros via máxima verossimilhança, testes de hipóteses para os efeitos fixos e parâmetros de variância e covariância e análise de resíduos para verificação de características relacionadas aos ajustes e às suposições estabelecidas. / Multilevel models represent a class of models used to adjust data which have hierarchical structure. The present work proposes a generalization of the multilevel normal models, named multilevel elliptical models. This proposal suggests the use of probability distributions belonging to the elliptical class, thus involving all symmetric continuous distributions, including the normal distribution as a particular case. Elliptical distributions may have lighter or heavier tails than the normal ones. In case of presence of outlying observations, it is suggested the use of heavy-tailed distributions in order to obtain a better fitted model to the discrepant observations. In this dissertation some aspects of the multilevel elliptical models are developed, such as the process of parameter estimation by maximum likelihood, hypothesis tests for fixed effects and variance-covariance parameters and residual analysis to check features related to the fitting and established assumptions.

This paper constitutes a first attempt to shed light on the role of income distribution in household debt, macrofinancial stability and financial market access in Central, Eastern and Southeastern Europe (CESEE). This issue has not been adequately addressed so far. Using data from the OeNB Euro Survey for the period from 2009 to 2017, we explore the question whether interpersonal comparisons affect a household's probability of having a loan. We use multilevel probit modeling to take into account the hierarchical structure of the data. Our results support the notion that the relative income position, along with absolute income, has an impact on households' likelihood of having a loan, but this is valid mainly for households above the median of the income distribution. We show this impact for almost all components of household debt, but evidence is strongest for mortgage and car loans. Interpersonal comparisons turn out to be a weaker predictor of a household's propensity to have a loan in CESEE countries with a more equal income distribution.

Os modelos multiníveis são uma classe de modelos úteis na análise de bases de dados com estrutura hierárquica. No presente trabalho propõem-se os modelos multiníveis com resposta Weibull, nos quais são considerados interceptos aleatórios na modelagem dos dois parâmetros da distribuição da variável resposta. Os modelos aqui propostos são flexíveis devido a que a distribuição dos interceptos aleatórios pode der escolhida entre uma das seguintes quatro distribuições: normal, log--gama, logística e Cauchy. Uma extensão dos modelos é apresentada na qual é possível incluir na parte sistemática dos dois parâmetros da distribuição da variável resposta interceptos e inclinações aleatórias com distribuição normal bivariada. A estimação dos parâmetros é realizada pelo método de máxima verossimilhança usando a quadratura de Gauss--Hermite para aproximar a função de verossimilhança. Um pacote em linguagem R foi desenvolvido especialmente para a estimação dos parâmetros, predição dos efeitos aleatórios e para a obtenção dos resíduos nos modelos propostos. Adicionalmente, por meio de um estudo de simulação foi avaliado o impacto nas estimativas dos parâmetros do modelo ao assumir incorretamente a distribuição dos interceptos aleatórios. / Multilevel models are a class of models useful in the analysis of datasets with hierarchical structure. In the present work we propose multilevel Weibull models in which random intercepts are considered to model the two parameters of the Weibull distribution. The proposed models are flexible due to random intercepts distribution can be chosen from one of the four following distributions: normal, log-gamma, logistics and Cauchy. An extension of the models is presented in which we can include, in the systematic part of the two parameters of the distribution, random intercepts and slopes with a bivariate normal distribution. The parameter estimation is performed by maximum likelihood method using the Gauss Hermite quadrature to approximate the likelihood function. A package in R language was especially developed to obtain parameter estimation, random effects predictions and residuals for the proposed models. Additionally, through a simulation study we investigated the misspecification random effect distribution on estimated parameter for the proposed model

Modelo multinível é uma ferramenta estatística cada vez mais popular para análise de dados com estrutura hierárquica. O objetivo deste trabalho é propor um método para realizar a predição de observações de novos grupos usando modelos de regressão logística multinível com 2 níveis. Além disso, é apresentado e comparado dois métodos de estimação para o modelo multinível: Quase-verossimilhança Penalizada (QVP) e Quadratura de Gauss-Hermite (QGH). A idéia central está baseada no trabalho de (Jiang e Lahiri, 2006) no qual se propõe o uso do chamado melhor estimador empírico para o efeito aleatório. Através deste estimador, utilizou-se a parte fixa do modelo em conjunto com uma estimativa do desvio padrão do efeito aleatório para fazer a predição de observações de novos grupos, encontrando a probabilidade estimada dessa observação apresentar o evento de interesse, dadas suas características. / Multilevel model is an statistical tool which is becoming more and more popular in data analysis with hierachical structure. The purpose of this dissertation is to present a method to make a prediction of new group observation in multilevel logistic regression models with 2 levels. Besides, were presented and compared two estimation methods for multilevel model: Penalized Quase-likelihood and Gauss-Hermite Quadrature. The central idea is based on the paper of Jiang and Lahiri (2006), which is presented the empirical best estimator for the random effect. Through this estimator was used the fixed part of the model with an estimative of the standard deviation of the random effect to find the estimated probability of this observation presenting the target event, in accordance with its characteristic.