Słownik metodologiczny · Projekt badania

Efekt kohorty i model wiek–okres–kohorta (APC) – dlaczego trzech efektów nie da się po prostu rozdzielić?

Efekt kohorty to różnica między pokoleniami, której nie wyjaśnia wiek. Wyjaśniamy model wiek–okres–kohorta, problem identyfikowalności wynikający z tego, że kohorta = okres − wiek, i to, co mylą schematy przekrojowy i podłużny.

Strona główna / Słownik / Efekt kohorty i model APC
W skrócie: Efekt kohorty to różnica między osobami urodzonymi w różnych latach, wynikająca ze wspólnych doświadczeń pokolenia. Model APC próbuje oddzielić ją od wpływu wieku i okresu pomiaru, ale ponieważ kohorta = okres − wiek, liniowych składowych trzech efektów nie da się oszacować bez silnych, jawnie uzasadnionych założeń.

Co to jest efekt kohorty?

Efekt kohorty to różnica między osobami urodzonymi w różnych latach, która wynika ze wspólnych doświadczeń pokolenia – edukacji, warunków życia, technologii – a nie z wieku. Model wiek–okres–kohorta (ang. age-period-cohort, APC) próbuje rozdzielić trzy źródła zmienności:

  • wiek – zmiany związane z dojrzewaniem i starzeniem się;
  • okres – wpływ momentu pomiaru, który działa na wszystkich naraz (np. pandemia, kryzys gospodarczy);
  • kohorta – trwałe cechy rocznika urodzenia.

Problem identyfikowalności

Trzy zmienne są dokładnie współliniowe: kohorta = okres − wiek. Osoba urodzona w 1990 r. i badana w 2020 r. musi mieć 30 lat. Bell (2020) podkreśla, że z tego powodu liniowych składowych trzech efektów nie da się oszacować bez silnych założeń o przynajmniej jednym z nich. Dane są zgodne z całą „linią rozwiązań”, a próby „mechanicznego” rozwiązania problemu w rzeczywistości wprowadzają ukryte założenia. To skrajny przypadek współliniowości, którego nie usuwa żadna liczebność próby. Nieliniowe składowe – np. przyspieszenie zmian w określonym wieku – są natomiast identyfikowalne.

Co mylą poszczególne schematy

  • Schemat przekrojowy – jeden okres, więc różnice wieku są zarazem różnicami kohort.
  • Schemat podłużny z jedną kohortą – wiek rośnie razem z okresem, więc zmiana w czasie łączy starzenie się i wydarzenia historyczne.
  • Badanie kohortowe w epidemiologii to coś innego: śledzenie grupy narażonej i nienarażonej, a nie porównywanie roczników.

Jak się z tym mierzyć

Fosse i Winship (2019) omawiają ograniczenia równości (np. ten sam efekt dwóch sąsiednich kohort), estymatory Moore’a–Penrose’a, modele wielopoziomowe, zastąpienie jednego wymiaru zmierzoną przyczyną oraz identyfikację częściową z przedziałami i analizą wrażliwości. Każde podejście opiera się na założeniu, które trzeba jawnie uzasadnić teorią. Bell (2020) zaleca analizować nieliniowości wokół efektów liniowych i otwarcie nazywać przyjęte założenia.

Jak opisać w pracy

Ponieważ dane pochodzą z jednego pomiaru, różnice między grupami wiekowymi mogą odzwierciedlać zarówno wpływ wieku, jak i różnice między pokoleniami (efekt kohorty). Badanie nie pozwala rozdzielić tych dwóch źródeł.

Najczęstsze pytania

Czym efekt kohorty różni się od efektu okresu?

Efekt okresu działa na wszystkich w danym momencie, niezależnie od wieku, np. kryzys gospodarczy. Efekt kohorty dotyczy jednego rocznika i towarzyszy mu przez całe życie, np. wykształcenie zdobyte w danym systemie edukacji.

Czy model wielopoziomowy rozwiązuje problem identyfikowalności?

Nie. Model wielopoziomowy, podobnie jak inne metody, opiera się na założeniach – choćby co do tego, które efekty traktuje się jako losowe. Bell (2020) podkreśla, że mechaniczne rozwiązania nie działają, a założenia trzeba uzasadnić teorią.

Czy w pracy z jednym pomiarem mogę mówić o wpływie wieku?

Tylko ostrożnie. W schemacie przekrojowym różnice wieku są zarazem różnicami pokoleń. Opisz je jako różnice między grupami wiekowymi i wskaż w ograniczeniach, że mogą odzwierciedlać efekt kohorty.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Bell, A. (2020). Age period cohort analysis: A review of what we should and shouldn’t do. Annals of Human Biology, 47(2), 208–217. https://doi.org/10.1080/03014460.2019.1707872
  2. Fosse, E., & Winship, C. (2019). Analyzing age-period-cohort data: A review and critique. Annual Review of Sociology, 45(1), 467–492. https://doi.org/10.1146/annurev-soc-073018-022616 ● Otwarty dostęp

Cytowania BibTeX

@article{bell2020age, author={Bell, Andrew}, title={{Age period cohort analysis: A review of what we should and shouldn’t do}}, journal={Annals of Human Biology}, year={2020}, volume={47}, number={2}, pages={208--217}, doi={10.1080/03014460.2019.1707872}}
@article{fosse2019analyzing, author={Fosse, Ethan and Winship, Christopher}, title={{Analyzing age-period-cohort data: A review and critique}}, journal={Annual Review of Sociology}, year={2019}, volume={45}, number={1}, pages={467--492}, doi={10.1146/annurev-soc-073018-022616}}
R