Applied Longitudinal Analysis 2nd Edition

Download the full version and explore a variety of ebooks
or textbooks at https://ebookmass.com
Applied Longitudinal Analysis 2nd Edition
_____ Tap the link below to start your download _____
https://ebookmass.com/product/applied-longitudinal-
analysis-2nd-edition/
Find ebooks or textbooks at ebookmass.com today!

We have selected some products that you may be interested in
Click the link to download now or visit ebookmass.com
for more options!.
Threat assessment and risk analysis : an applied approach
1st Edition Allen
https://ebookmass.com/product/threat-assessment-and-risk-analysis-an-
applied-approach-1st-edition-allen/
Data Science Applied to Sustainability Analysis Jennifer
B. Dunn
https://ebookmass.com/product/data-science-applied-to-sustainability-
analysis-jennifer-b-dunn/
Interaction between residential greenness and air
pollution mortality: analysis of the Chinese Longitudinal
Healthy Longevity Survey John S Ji
https://ebookmass.com/product/interaction-between-residential-
greenness-and-air-pollution-mortality-analysis-of-the-chinese-
longitudinal-healthy-longevity-survey-john-s-ji/
Applied Veterinary Clinical Nutrition, 2nd Edition Andrea
J. Fascetti
https://ebookmass.com/product/applied-veterinary-clinical-
nutrition-2nd-edition-andrea-j-fascetti/

(eTextbook PDF) for Applied Regression Analysis and Other
Multivariable Methods 5th Edition
https://ebookmass.com/product/etextbook-pdf-for-applied-regression-
analysis-and-other-multivariable-methods-5th-edition/
Machines and mechanisms : applied kinematic analysis 4th
ed Edition David H Myszka
https://ebookmass.com/product/machines-and-mechanisms-applied-
kinematic-analysis-4th-ed-edition-david-h-myszka/
Primer of applied regression and analysis of variance 3rd
Edition Glantz S.A.
https://ebookmass.com/product/primer-of-applied-regression-and-
analysis-of-variance-3rd-edition-glantz-s-a/
Applied Data Analysis and Modeling for Energy Engineers
and Scientists
https://ebookmass.com/product/applied-data-analysis-and-modeling-for-
energy-engineers-and-scientists/
Applied Analysis of Composite Media: Analytical and
Computational Approaches Drygan
https://ebookmass.com/product/applied-analysis-of-composite-media-
analytical-and-computational-approaches-drygas/

Applied Longitudinal Analysis

CONTENTS ix
5.8 Strengths and Weaknesses of Analyzing Response
Profiles 134
5.9 Computing: Analyzing Response Profiles
Using PROC MIXED in SAS 136
5.10 Further Reading 140
Problems 140
6 Modeling the Mean: Parametric Curves 143
6.1 Introduction 143
6.2 Polynomial Trends in Time 144
6.3 Linear Splines 149
6.4 General Linear Model Formulation 152
6.5 Case Studies 154
6.6 Computing: Fitting Parametric Curves
Using PROC MIXED in SAS 161
6.7 Further Reading 162
Problems 163
7 Modeling the Covariance 165
7.1 Introduction 165
7.2 Implications of Correlation among Longitudinal Data 166
7.3 Unstructured Covariance 168
7.4 Covariance Pattern Models 169
7.5 Choice among Covariance Pattern Models 175
7.6 Case Study 180
7.7 Discussion: Strengths and Weaknesses of Covariance
Pattern Models 183
7.8 Computing: Fitting Covariance Pattern Models
Using PROC MIXED in SAS 184
7.9 Further Reading 186
Problems 186
8 Linear Mixed Effects Models 189
8.1 Introduction 189
8.2 Linear Mixed Effects Models 194
8.3 Random Effects Covariance Structure 201
8.4 Two-Stage Random Effects Formulation 203
8.5 Choice among Random Effects Covariance Models 208
8.6 Prediction of Random Effects 209

X CONTENTS
8. 7 Prediction and Shrinkage* 211
8.8 Case Studies 213
8.9 Computing: Fitting Linear Mixed Effects Models
Using PROC MIXED in SAS 234
8.10 Further Reading 237
Problems 237
9 Fixed Effects versus Random Effects Models 241
9.1 Introduction 241
9.2 Linear Fixed Effects Models 241
9.3 Fixed Effects versus Random Effects:
Bias-Variance Trade-off 246
9.4 Resolving the Dilemma of Choosing Between
Fixed and Random Effects Models 249
9.5 Longitudinal and Cross-sectional Information 252
9.6 Case Study 255
9.7 Computing: Fitting Linear Fixed Effects Models
Using PROC GLM in SAS 258
9.8 Computing: Decomposition of Between-Subject and
Within-Subject Effects Using PROC MIXED in SAS 260
9.9 Further Reading 262
Problems 262
10 Residual Analyses and Diagnostics 265
10.1 Introduction 265
10.2 Residuals 265
10.3 Transformed Residuals 266
10.4 Aggregating Residuals 269
10.5 Semi-Variogram 272
10.6 Case Study 273
10.7 Summary 285
10.8 Further Reading 286
Problems 287

CONTENTS xi
Part III Generalized Linear Models for Longitudinal Data
11 Review of Generalized Linear Models 291
11.1 Introduction 291
11.2 Salient Features of Generalized Linear Models 292
11.3 Illustrative Examples 297
11.4 Ordinal Regression Models 310
11.5 Overdispersion 319
11. 6 Computing: Fitting Generalized Linear Mode ls
Using PROC GENMOD in SAS 324
11. 7 Overview of Generalized Linear Models* 327
11.8 Further Reading 335
Problems 336
12 Marginal Models: Introduction and Overview 341
12.1 Introduction 341
12.2 Marginal Models for Longitudinal Data 342
12.3 Illustrative Examples of Marginal Models 346
12.4 Distributional Assumptions for Marginal Models* 351
12.5 Further Reading 352
13 Marginal Models: Generalized Estimating
Equations (GEE) 353
13.1 Introduction 353
13.2 Estimation of Marginal Models: Generalized
Estimating Equations 354
13. 3 Residual Analyses and Diagnostics 36 I
13.4 Case Studies 364
13.5 Marginal Models and Time-Varying Covariates 381
13.6 Computing: Generalized Estimating Equations
Using PROC GENMOD in SAS 385
13. 7 Further Reading 390
Problems 39 l
14 Generalized Linear Mixed Effects Models 395
14.1 Introduction 395
14.2 Incorporating Random Effects in Generalized
Linear Models 396

xii CONTENTS
14.3 Interpretation of Regression Parameters 402
14.4 Overdispersion 409
14.5 Estimation and Inference 410
14.6 A Note on Conditional Maximum Likelihood 412
14.7 Case Studies 414
14.8 Computing: Fitting Generalized Linear Mixed Models
Using PROC GLIMMIX in SAS 429
14.9 Further Reading 433
Problems 434
15 Generalized Linear Mixed Effects Models: Approximate
Methods of Estimation 441
15.1 Introduction 441
15.2 Penalized Quasi-Likelihood 443
15.3 Marginal Quasi-Likelihood 445
15.4 Cautionary Remarks on the Use of PQL and MQL 446
15.5 Case Studies 452
15.6 Computing: Fitting GLMMs Using PROC GLIMMIX
in SAS 459
15.7 Basis of PQL and MQL Approximations* 466
15.8 Further Reading 470
Problems 471
16 Contrasting Marginal and Mixed Effects Models 473
16.1 Introduction 473
16.2 Linear Models: A Special Case 473
16.3 Generalized Linear Models 474
16.4 Simple Numerical Illustration 479
16.5 Case Study 480
16.6 Conclusion 484
16.7 Further Reading 486

CONTENTS xiii
Part IV Missing Data and Dropout
17 Missing Data and Dropout: Overview of Concepts
and Methods 489
17.1 Introduction 489
17.2 Hierarchy of Missing Data Mechanisms 491
17.3 Implications for Longitudinal Analysis 499
17.4 Dropout 500
17. 5 Common Approaches for Handling Dropout 506
17.6 Bias of Last Value Carried Forward Imputation* 511
17. 7 Further Reading 513
18 Missing Data and Dropout: Multiple Imputation
and Weighting Methods 515
18.1 Introduction 515
18.2 Multiple Imputation 516
18.3 Inverse Probability Weighted Methods 526
18.4 Case Studies 531
18.5 "Sandwich" Variance Estimator Adjusting for
Estimation of Weights* 541
18.6 Computing: Multiple Imputation Using PROC MI
in SAS 542
18.7 Computing: Inverse Probability Weighted (/PW)
Methods in SAS 547
18.8 Further Reading 550
Part V Advanced Topics for Longitudinal and Clustered Data
19 Smoothing Longitudinal Data: Semiparametric Regression
Models 553
19.1 Introduction 553
19.2 Penalized Splines for a Univariate Response
19.3 Case Study
19.4 Penalized Splines for Longitudinal Data
19.5 Case Study
554
558
563
565

xiv CONTENTS
19.6 Fitting Smooth Curves to Individual
Longitudinal Data 570
19. 7 Case Study 572
19.8 Computing: Fitting Smooth Curves
Using PROC MIXED in SAS 576
19.9 Further Reading 579
20 Sample Size and Power 581
20.1 Introduction 581
20.2 Sample Size for a Univariate Continuous Response 582
20.3 Sample Size for a Longitudinal Continuous Response 584
20.4 Sample Size for a Longitudinal Binary Response 598
20.5 Summary
20.6 Computing: Sample Size Calculation
Using Pseudo-Data
20. 7 Further Reading
604
605
609
21 Repeated Measures and Related Designs 611
21.1 Introduction 611
21.2 Repeated Measures Designs 612
21.3 Multiple Source Data 616
21.4 Case Study 1: Repeated Measures Experiment 617
21.5 Case Study 2: Multiple Source Data 620
21. 6 Summary 625
21.7 Further Reading 626
22 Multilevel Models 627
22.1 Introduction 627
22.2 Multilevel Data 628
22.3 Multilevel Linear Models 630
22.4 Multilevel Generalized Linear Models 641
22.5 Summary 651
22.6 Further Reading 652

CONTENTS xv
Appendix A Gentle Introduction to Vectors and Matrices 655
Appendix B Properties of Expectations and Variances 665
Appendix C Critical Points for a 50:50 Mixture
of Chi-Squared Distributions 669
References 671
Index 695

Preface
The first edition of Applied Longitudinal Analysis was designed to serve as a textbook
for a course on modern statistical methods for longitudinal data analysis, and subse
quently, as a reference resource for students and researchers. The book was targeted
at a broad audience: graduate students in statistics, statisticians working in the health
sciences, pharmaceutical industry, and governmental health-related agencies, as well
as researchers and graduate students from a variety of substantive fields. In the seven
years that have elapsed since publication of the first edition, Applied Longitudinal
Analysis has been used extensively in university classrooms throughout the United
States and abroad. We are grateful to many colleagues, course instructors, students,
and readers who have offered constructive suggestions on how the book could be
improved. This feedback has been invaluable and helped shape the content of the
second edition.
The feedback we received has encouraged us to retain the general structure and
format of the first edition while taking the opportunity to introduce a number of new
and important topics. Although there is much new material in this second edition, the
principles that guided us in writing the first edition have not changed. Our primary
goal is to present a rigorous and comprehensive description of modern statistical meth
ods for the analysis of longitudinal data that is accessible to a wide range of readers.
A strong emphasis is placed on the application of these methods to longitudinal data
and the interpretation of results. Although the methods are presented in the setting of
numerous applications to actual data sets drawn from studies in health-related fields,
reflecting our own research interests in the health sciences, they apply equally to other
areas of application, for example, education, psychology, and other branches of the
behavioral and social sciences.
xvii

xviii PREFACE
How does this edition differ from its predecessor? The major changes in this
edition have resulted from the addition of six new chapters:
1. A chapter (Chapter 9) on "fixed effects models," in which subject-specific effects
are treated as fixed rather than random, has been added. This chapter complements
the existing chapter on mixed effects models (Chapter 8) and includes a discussion
of the relative advantages of these two classes of models.
2. In the first edition, a single chapter was devoted to marginal models and generalized
estimating equations (GEE) that focused exclusively on binary and count data. We
now devote two chapters (Chapters 12 and 13) to marginal models and GEE, with
new material on models for ordinal responses, residual diagnostics, and issues
that arise when modeling time-varying covariates.
3. A chapter (Chapter 15) on approximate methods for generalized linear mixed
effects models discusses penalized quasi-likelihood (PQL) and marginal quasi
likelihood (MQL) methods. We highlight settings where these approximations
are unlikely to be accurate and can yield biased estimates of effects.
4. A second chapter (Chapter 18) on missing data and dropout, focusing on multiple
imputation and inverse probability weighting (IPW) methods, has been added. To
give greater prominence to methods for accounting for missing data and dropout
in longitudinal analyses, the two companion chapters (Chapters 17 and 18) now
appear before the Advanced Topics part of the book.
5. A chapter (Chapter 19) on smoothing longitudinal data has been added to the
Advanced Topics. This chapter focuses on the connection between penalized
splines and linear mixed effects models.
6. A chapter on sample size and power (Chapter 20) has been added to the Advanced
Topics. This chapter considers issues of sample size, power, number of repeated
measurements, and study duration for longitudinal study designs.
In addition the chapter on residual analyses and diagnostics (Chapter 10) has been re
vised to include material on recently developed model-checking techniques based on
cumulative sums of residuals and the chapters that review generalized linear models
(Chapter 11) and generalized linear mixed effects models (Chapter 14) have been up
dated to include new material on models for ordinal data and on methods for handling
overdispersion. Finally, extra problem sets have been added to many of the chapters.
As in the first edition, the prerequisites for a course based on this book are an in
troductory course in statistics and a strong background in regression analysis. Some
previous exposure to generalized linear models (e.g., logistic regression) would be
helpful, although these models are reviewed in detail in the text. An understanding of
matrix algebra or calculus is not assumed. Although we do not assume a high level of
mathematical preparation, we have written this book for the motivated reader who is
willing to consider mathematical ideas. The more technical or mathematical sections
of the book are signposted with asterisks and may be omitted at first reading without
loss of continuity.

PREFACE xix
The methods described in this book require the use of appropriate statistical
software. As before, we include illustrative SAS commands for performing the analy
ses presented throughout the text at the end of many chapters, with basic descriptions
of their usage. Because many of the analyses we discuss can be performed using
alternative software packages (e.g., R, S-Plus, Stata, and SPSS), this book can be sup
plemented with any one of them. Readers are encouraged to perform and verify the
results of analyses using statistical software of their choice. Programming statements
and computer output for selected examples, prepared using SAS, Stata, and R, can
be downloaded from the website: www.biostat.harvard.edu/~fi tzmaur /ala2e.
Because statistical software is constantly evolving, we will endeavor to update the
website as new procedures become available in the major statistical software pack
ages. The thirty-two real data sets used throughout the text and problem sets to
illustrate the applications of longitudinal methods also can be downloaded from the
website.
We hope this second edition of Applied Longitudinal Analysis provides a broader
foundation in modem methods for the analysis of longitudinal data and will prove a
worthy successor to the first edition. The original impetus for writing this book arose
from teaching a graduate-level course on "Applied Longitudinal Analysis" at the
Harvard School of Public Health. We are especially grateful to the students who have
participated in the course since its inception almost twenty years ago; we have learned
much from these extraordinary students. The collection of individuals who gave us
useful feedback on the first edition is far too long to list. However, we would like to
thank the many friends and colleagues who have helped us with this project. A special
word of thanks to Amy Herring and Russell Localio. We thank Amy for her many
helpful and constructive suggestions on how the book could be improved. We thank
Russell for reading a draft of the new chapters and for providing invaluable feedback
and suggestions that improved their content. Thanks also to Nick Horton, Stu Lipsitz,
and Caitlin Ravichandran for their helpful suggestions and insightful comments on
several chapters. Finally, we thank Steve Quigley and Susanne Steitz-Filler of Wiley,
for their advice and encouragement during all stages of this project.
Boston, Massachusetts
May, 2011
GARRETT M. FITZMAURICE
NANM. LAIRD
JAMES H. WARE

Pref ace to First Edition
Our goal in writing this book is to provide a rigorous and systematic description of
modem methods for analyzing data from longitudinal studies. In recent years there
have been remarkable developments in methods for longitudinal analysis. Despite
these important advances, the methods have been somewhat slow to move into the
mainstream. Applied Longitudinal Analysis bridges the gap between theory and
application by presenting a comprehensive account of these methods in a way that is
accessible to a wide range of readers.
The impetus for this book arose from teaching a graduate-level course on "Applied
Longitudinal Analysis" at the Harvard School of Public Health. As course instructors,
we were frustrated by the lack of a suitable textbook that adequately covered modem
statistical methods for longitudinal analysis at a level accessible to a broad audience
of researchers and graduate students in the health and medical sciences. We envision
this book as a textbook for such a course and, subsequently, as a reference resource
for researchers and graduate students. It is also suitable for graduate students in
statistics and for statisticians already working in the health sciences, governmental
health-related agencies, and the pharmaceutical industry. It is intended to allow a
diverse group of statisticians, researchers, and graduate students in substantive fields
to master modem methods for longitudinal data analysis.
The scope of this book is broad, covering methods for the analysis of diverse
types of longitudinal data arising in the health sciences. The methods are pre
sented in the setting of numerous applications to real data sets. Our main em
phasis is on the practical rather than the theoretical aspects of longitudinal anal
ysis. Twenty-five real data sets, drawn from studies in health-related fields, are
xxi

xxii PREFACE TO FIRST EDITION
used throughout the text and problem sets to illustrate the applications of longitu
dinal methods. These data sets can be downloaded from the website for the book:
www.biostat.harvard.edu/~fitzmaur/ala. Although the methods are applied
to data sets drawn from the health sciences, they apply equally to other areas of ap
plication, for example, education, psychology, and other branches of the behavioral
and social sciences.
Because longitudinal data are a special case of clustered data, albeit with a natural
ordering of the measurements within a cluster, we include also a description of modem
methods for analyzing clustered data, more broadly defined. Indeed, one of our
goals is to demonstrate that methods for longitudinal analysis are, more or less,
special cases of more general regression methods for clustered data. As a result a
comprehensive understanding of longitudinal data analysis provides the basis for a
broader understanding of methods for analyzing the wide range of clustered data that
commonly arises in studies in the biomedical and health sciences.
The prerequisites for a course based on this book are an introductory course in
statistics and a strong background in regression analysis. Some previous exposure to
generalized linear models (e.g., logistic regression) would be helpful, although these
models are reviewed in the text. An understanding of matrix algebra or calculus is
not assumed; the reader will be gently introduced to only those aspects of vector and
matrix notation necessary for understanding the matrix representation of regression
models for longitudinal data. Because vectors and matrices are used to simplify
notation, the reader is required to attain some basic facility with the addition and
multiplication of vectors and matrices. Although we do not assume a high level
of mathematical preparation, a willingness to read and consider mathematical ideas
is required. More technical or mathematical sections of the book are marked with
asterisks and may be omitted at first reading without loss of continuity.
To use the methods described in this book, appropriate statistical software is re
quired. In general, the methods available via commercially available software lag
behind the recent advances in statistical methods; longitudinal data analysis is not
exceptional in this regard. Recently the introduction of new programs for analyzing
multivariate and longitudinal data has made these methods far more accessible to
practitioners and students. We use SAS, which is widely available, to perform the
analyses presented throughout the text. Illustrative SAS commands are included at
the end of many of the chapters, with basic descriptions of their usage. Program
ming statements and computer output for the examples, prepared using SAS, can be
downloaded from the website: www.biostat.harvard.edu/~fitzmaur/ala. We
selected SAS because all of the analyses we discuss can be performed using its pro
cedures. Many of the methods can be carried out using alternative software packages
(e.g., S-Plus and Stata) or special purpose programs (e.g., BMDP5-V) and this book
can be supplemented with any one of them. Readers are encouraged to perform and
verify the results of analyses using software of their choice. Because statistical soft
ware is constantly evolving, we anticipate that all of the methods we discuss will soon
be available within most of the major statistical packages.
Throughout the text references have been kept to an absolute minimum. Instead,
at the end of each chapter we include suggestions for further readings that provide

PREFACE TO FIRST EDITION xxiii
more in-depth coverage of certain topics. We also include "bibliographic notes" that
highlight key references in the mainstream statistical literature. Although many of
our readers may find the latter references to be too technical, they are included to give
due credit to those who have contributed to the statistical methods described in each
chapter.
Finally, we would like to thank the many friends and colleagues who have helped us
to write this book. A special word of thanks to Misha Salganik, for preparation of the
diagrams and many helpful suggestions for improvement of graphical displays. We
are especially grateful to Joe Hogan and Russell Localio, for reading a first draft and
providing invaluable feedback, comments, and suggestions that improved the book.
We would also like to thank Rino Bellocco, Brent Coull, Nick Horton, Sharon-Lise
Normand, Misha Salganik, Judy Singer, S. V. Subramanian, and Florin Vaida, for their
insightful comments on several chapters. We are grateful to the students who have
participated in the course on "Applied Longitudinal Analysis" at the Harvard School
of Public Health since its inception; they have provided the impetus and motivation
for writing this book. We gratefully acknowledge support from grant GM 29745 from
the National Institutes of Health. The first author gratefully acknowledges support
from the Junior Faculty Sabbatical Program at the Harvard School of Public Health;
the support provided by a sabbatical created a unique opportunity to begin writing
this book. Last, but not least, we thank Steve Quigley and Susanne Steitz of Wiley,
for their advice and encouragement during all stages of this project.
Boston, Massachusetts
March, 2004
GARRETT M. FITZMAURICE
NANM. LAIRD
JAMES H. WARE

Acknowledgments
Throughout this book we have used data sets drawn from published studies in health
related fields to exemplify important concepts in the analysis of longitudinal and
clustered data. We are grateful to the following investigators for sharing their data with
us: Graham Bentham, Doug Dockery, Brian Flay, Robert Greenberg, Keith Henry,
Aviva Must, Elena Naumova, George Rhoads, Jan Schouten, Linda Van Marter, and
Gwen Zahner.
We also thank the following publishers for permission to reproduce published data
sets in print and electronic format: The American Statistical Association, Blackwell
Publishing, Brooks/Cole (a division of Thomson Learning), CRC Press, Elsevier,
Iowa State Press, Oxford University Press, and SAS Institute, Inc.
Finally, in all data sets used throughout this book, the original subject identification
(ID) numbers have been deleted and replaced with new subject ID numbers, to ensure
that the data sets cannot be linked to the original records.
XXV

Part/
Introduction to Longitudinal
and Clustered Data

1
Longitudinal and
Clustered Data
1.1 INTRODUCTION
Research on statistical methods for the design and analysis of human investigations
expanded explosively in the second half of the twentieth century. Beginning in the
early 1950s, the U.S. government shifted a substantial part of its research support from
military to biomedical research. The legislative foundation for the modem National
Institutes of Health (NIH), the Public Health Service Act, was passed in 1944 and
NIH grew rapidly throughout the 1950s and 1960s. During these "golden years" of
NIH expansion, the entire NIH budget grew from $8 million in 1947 to more than
$1 billion in 1966. The NIH sponsored many of the important epidemiologic studies
and clinical trials of that period, including the influential Framingham Heart Study
(Dawber et al., 1951; Dawber, 1980).
The typical focus of these early studies was morbidity and, especially, mortality.
Investigators sought to identify the causes of early death and to evaluate the effective
ness of treatments for delaying death and morbidity. In the Framingham Heart Study,
participants were seen at two-year intervals. Survival outcomes during successive
two-year periods were treated as independent events and modeled using multiple lo
gistic regression. The successful use of multiple logistic regression in this setting,
and the recognition that it could be applied to case-control data, led to widespread use
of this methodology beginning in the 1960s. The analysis of time-to-event data was
revolutionized by the seminal 1972 paper of D.R. Cox, describing the proportional
hazards model (Cox, 1972). This paper was followed by a rich and important body
of work that established the conceptual basis and the computational tools for modem
survival analysis.
Applied Longitudinal Analysis, Second Edition. By Garrett M. Fitzmaurice, Nan M. Laird,
and James H. Wate. Copyright© 201 I John Wiley & Sons, Inc.
1

2 LONGITUDINAL AND CLUSTERED DATA
Although the design of the Framingham Heart Study and other cohort studies called
for periodic measurement of the patient characteristics thought to be determinants of
chronic disease, interest in the levels and patterns of change of those characteristics
over time was initially limited. As the research advanced, however, investigators
began to ask questions about the behavior of these risk factors. In the Framingham
Heart Study, for example, investigators began to ask whether blood pressure levels in
childhood were predictive of hypertension in adult life. In the Coronary Artery Risk
Development in Young Adults (CARDIA) Study, investigators sought to identify the
determinants of the transition from normotensive or normocholesterolemic status in
early adult life to hypertension and hypercholesterolemia in middle age (Friedman
et al., 1988). In the treatment of arthritis, asthma, and other diseases that are not
typically life-threatening, investigators began to study the effects of treatments on the
level and change over time in measures of severity of disease. Similar questions were
being posed in every disease setting. Investigators began to follow populations of
all ages over time, both in observational studies and clinical trials, to understand the
development and persistence of disease and to identify factors that alter the course of
disease development.
This interest in the temporal patterns of change in human characteristics came at
a period when advances in computing power made new and more computationally
intensive approaches to statistical analysis available at the desktop. Thus, in the early
1980s, Laird and Ware proposed the use of the EM algorithm to fit a class of linear
mixed effects models appropriate for the analysis of repeated measurements (Laird
and Ware, 1982); Jennrich and Schluchter (1986) proposed a variety of alternative
algorithms, including Fisher-scoring and Newton-Raphson algorithms. Later in the
decade, Liang and Zeger introduced the generalized estimating equations in the bio
statistical literature and proposed a family of generalized linear models for fitting
repeated observations of binary and counted data (Liang and Zeger, 1986; Zeger
and Liang, 1986). Many other investigators writing in the biomedical, educational,
and psychometric literature contributed to the rapid development of methodology for
the analysis of these "longitudinal" data. The past 30 years have seen considerable
progress in the development of statistical methods for the analysis of longitudinal
data. Despite these important advances, methods for the analysis of longitudinal data
have been somewhat slow to move into the mainstream. This book bridges the gap be
tween theory and application by presenting a comprehensive description of methods
for the analysis of longitudinal data accessible to a broad range of readers.
1.2 LONGITUDINAL AND CLUSTERED DATA
The defining feature of longitudinal studies is that measurements of the same individ
uals are taken repeatedly through time, thereby allowing the direct study of change
over time. The primary goal of a longitudinal study is to characterize the change in
response over time and the factors that influence change. With repeated measures
on individuals, one can capture within-individual change. Indeed, the assessment of
within-subject changes in the response over time can only be achieved within a Ion-

LONGITUDINAL AND CLUSTERED DATA 3
gitudinal study design. For example, in a cross-sectional study, where the response is
measured at a single occasion, one can only obtain estimates of between-individual
differences in the response. That is, a cross-sectional study may allow comparisons
among sub-populations that happen to differ in age, but it does not provide any infor
mation about how individuals change during the corresponding period.
To highlight this important distinction between cross-sectional and longitudinal
study designs, consider the following simple example. Body fatness in girls is thought
to increase just before or around menarche, leveling off approximately 4 years after
menarche. Suppose that investigators are interested in determining the increase in
body fatness in girls after menarche. In a cross-sectional study design, investigators
might obtain measurements of percent body fat on two separate groups of girls: a
group of 10-year-old girls (a pre-menarcheal cohort) and a group of 15-year-old girls
(a post-menarcheal cohort). In this cross-sectional study design, direct comparison of
the average percent body fat in the two groups of girls can be made using a two-sample
(unpaired) t-test. This comparison does not provide an estimate of the change in body
fatness as girls age from 10 to 15 years. The effect of growth or aging, an inherently
within-individual effect, simply cannot be estimated from a cross-sectional study that
does not obtain measures of how individuals change with time. In a cross-sectional
study the effect of aging is potentially confounded with possible cohort effects. Put
in a slightly different way, there are many characteristics that differentiate girls in
these two different age groups that could distort the relationship between age and
body fatness. On the other hand, a longitudinal study that measures a single cohort
of girls at both ages 10 and 15 can provide a valid estimate of the change in body
fatness as girls age. In the longitudinal study the analysis is based on a paired t-test,
using the difference or change in percent body fat within each girl as the outcome
variable. This within-individual comparison provides a valid estimate of the change
in body fatness as girls age from 10 to 15 years. Moreover, since each girl acts as
her own control, changes in percent body fat throughout the duration of the study are
estimated free of any between-individual variation in body fatness.
A distinctive feature of longitudinal data is that they are clustered. In longitudi
nal studies the clusters are composed of the repeated measurements obtained from a
single individual at different occasions. Observations within a cluster will typically
exhibit positive correlation, and this correlation must be accounted for in the analysis.
Longitudinal data also have a temporal order; the first measurement within a clus
ter necessarily comes before the second measurement, and so on. The ordering of
the repeated measures has important implications for analysis. There are, however,
many studies in the health sciences that are not longitudinal in this sense but which
give rise to data that are clustered or cluster-correlated. For example, clustered data
commonly arise when intact groups are randomized to health interventions or when
naturally occurring groups in the population are randomly sampled. An example of
the former is group-randomized trials. In a group-randomized trial, also known as
a cluster-randomized trial, groups of individuals, rather than each individual alone,
are randomized to different treatments or health interventions. Data on the health
outcomes of interest are obtained on all individuals within a group. Alternatively,
clustered data can arise from random sampling of naturally occurring groups in the

4 LONGITUDINAL AND CLUSTERED DATA
population. Families, households, hospital wards, medical practices, neighborhoods,
and schools are all instances of naturally occurring clusters in the population that
might be the primary sampling units in a study. Finally, clustered data can arise
when data on the health outcome of interest are simultaneously obtained either from
multiple raters or from different measurement instruments.
In all these examples of clustered data, we might reasonably expect that measure
ments on units within a cluster are more similar than the measurements on units in
different clusters. The degree of clustering can be expressed in terms of correlation
among the measurements on units within the same cluster. This correlation invalidates
the crucial assumption of independence that is the cornerstone of so many standard
statistical techniques. Instead, statistical models for clustered data must explicitly
describe and account for this correlation. Because longitudinal data are a special
case of clustered data, albeit with a natural ordering of the measurements within a
cluster, this book includes a description of modem methods of analysis for clustered
data, more broadly defined. Indeed, one of the goals of this book is to demonstrate
that methods for the analysis of longitudinal data are, more or less, special cases of
more general regression methods for clustered data. As a result a comprehensive
understanding of methods for the analysis of longitudinal data provides the basis for
a broader understanding of methods for analyzing the wide range of clustered data
that commonly arises in studies in the biomedical and health sciences.
The examples described above consider only a single level of clustering, for ex
ample, repeated measurements on individuals. More recently investigators have de
veloped methodology for the analysis of multilevel data, in which observations may
be clustered at more than one level. For example, the data may consist of repeated
measurements on patients clustered by clinic. Alternatively, the data may consist of
observations on children nested within classrooms, nested within schools. Although
the analysis of multilevel data is not the primary focus of this book, multilevel data
are discussed in Chapter 22.
Interest in the analysis oflongitudinal and multilevel data continues to grow. New
and more flexible models have been developed and advances in computation, such
as Markov chain Monte Carlo (MCMC) methods, have allowed greater flexibility
in model specification. Moreover, improvements in statistical software packages,
especially SAS, Stata, SPSS, R, and S-Plus, have made these models much more
accessible for use in routine data analysis. Despite these advances, however, methods
for the analysis of longitudinal data are not widely used and are seen to be accessible
only to statisticians with specialized expertise.
We believe that the methodology for the analysis of longitudinal data can be much
more widely understood and applied. It is our hope that this book will help make
that possible. It provides a comprehensive introduction to methods for the analysis
of longitudinal data, written for a reader with a basic knowledge of statistics and a
strong background in regression analysis. The book does not require a high level
of mathematical preparation but does assume a willingness to read and consider
mathematical ideas.

EXAMPLES 5
1.3 EXAMPLES
To highlight some of the distinctive features of longitudinal and clustered data, we
introduce four examples drawn from studies in the biomedical sciences. These four
examples will be used later in the book to illustrate different analytic approaches.
Additional examples, also drawn from studies in the biomedical and health sciences,
will be introduced in later chapters of the book.
1.3.1 Treatment of Lead-Exposed Children (TLC) Trial
Exposure to lead can produce cognitive impairment, especially among young children
and infants. A young child exposed to high levels of lead may experience various
adverse health effects, including hyperactivity, hearing or memory loss, learning
disabilities, and damage to the brain and nervous system. Although the use of lead as
an additive in gasoline has been discontinued, at least in the United States, resulting in
a dramatic reduction in airborne lead levels, a small percentage of children continue
to be exposed to lead at levels that can produce impairment. Much of this exposure
is due to deteriorating lead-based paint (e.g., chipping and peeling paint) in older
homes. Lead was used as a pigment and drying agent in "alkyd" oil-based paint.
While the United States government banned the use of lead-based paint in housing
in 1978, many homes built before 1978 contain lead-based paint. When lead-based
paint deteriorates, it becomes lead paint chips, which can be eaten by young children,
and lead-contaminated paint dust, which can be ingested by young children during
normal teething and hand-to-mouth behavior. The U.S. Centers for Disease Control
and Prevention (CDC) has concluded that children with blood lead levels above 10
micrograms per deciliter (µg/dL) of whole blood are at risk of adverse health effects.
Lead poisoning in children is treatable in the sense that there are medical inter
ventions, known as chelation treatments, that can help a child to excrete the lead that
has been ingested. Until recently chelation treatment of children with high levels
of blood lead was administered by injection and required hospitalization. A new
chelating agent, succimer, enhances urinary excretion of lead and has the distinct
advantage that it can be given orally, rather than by injection. In the 1990s the Treat
ment of Lead-Exposed Children (TLC) Trial Group conducted a placebo-controlled,
randomized trial of succimer in children with confirmed blood lead levels of 20 to 44
µg/dL, levels well above the CDC's threshold for concern about the adverse health
effects of exposure to lead (Treatment of Lead-Exposed Children (TLC) Trial Group,
2000; Rogan et al., 2001). The children were aged 12 to 33 months at enrollment and
lived in deteriorating inner city housing. The mean age of the children at randomiza
tion was 2 years and the mean blood lead level was 26 µg/dL. Children received up
to three 26-day courses of succimer or placebo and were followed for 3 years.
Table 1.1 presents data on blood lead levels at baseline, week 1, week 4, and week
6 for 10 randomly selected children from the study. The mean blood lead levels at
each measurement occasion for a random subset of 100 children, broken down by
treatment group, are presented in Table 1.2. As expected, due to randomization, the

6 LONGITUDINAL AND CLUSTERED DATA
Table 1.1 Blood lead levels (µg/dL) at baseline, week 1, week 4, and week 6 for 10 randomly
selected children from the TLC trial.
ID Groupa Baseline Week 1 Week4 Week6
79 p
30.8 26.9 25.8 23.8
8 s 26.5 14.8 19.5 21.0
44 s 25.8 23.0 19.1 23.2
11 p 24.7 24.5 22.0 22.5
69 s 20.4 2.8 3.2 9.4
29 s 20.4 5.4 4.5 11.9
46 p 28.6 20.8 19.2 18.4
13 p
33.7 31.6 28.5 25.1
74 p 19.7 14.9 15.3 14.7
53 p 31.1 31.2 29.2 30.1
a P = placebo; S = succimer.
Table 1.2 Mean blood lead levels (and standard deviation) at baseline, week 1, week 4, and
week 6 for children from the TLC trial.
Group Baseline Week 1 Week4 Week6
Succimer 26.5 13.5 15.5 20.8
(5.0) (7.7) (7.8) (9.2)
Placebo 26.3 24.7 24.1 23.6
(5.0) (5.5) (5.8) (5.6)
mean response at baseline is similar in the two treatment groups. However, there are
discernible differences in the patterns of change in the mean response over time. A
graphical presentation of the mean blood lead levels at each occasion is displayed in
Figure 1.1. Note that at week 1 there appears to be a dramatic drop in initial blood
lead levels among the children treated with succimer. However, this is followed by a
rebound in blood lead levels, as lead stored in the bones and tissues is mobilized and
a new equilibrium is achieved. In contrast, for the children treated with placebo, the
trend in the mean response over time is relatively flat.

EXAMPLES 7
0
C')
::J'
"C
---
I.O
O>
u
C\I
.s
a5
>
_Q;!
"C 0
CCI
C\I
_Q;!
"C
0
0
:0
C: I.O
CCI
Cl)
Placebo
Succimer
0
0 2 4 6
Time (weeks)
Fig. 1.1 Plot of mean blood lead levels at baseline, week 1, week 4, and week 6 in the
succimer and placebo groups.
1.3.2 Muscatine Coronary Risk Factor Study
In 1998 the American Heart Association (AHA) announced that obesity had been
added to the AHA's list of major preventable risk factors for coronary heart disease.
These major preventable risk factors include smoking, high blood cholesterol, high
blood pressure, and sedentary lifestyle. Unlike risk factors that cannot be altered,
such as heredity, increasing age, and being male, obesity is a risk factor that many
individuals can alter and control. The medical definition of obesity is quite simple: an
excess of body fat. Obesity is primarily caused by consuming too many calories and
not getting enough physical exercise. Obesity can lead to higher blood cholesterol and
triglyceride levels, lower HDL cholesterol (HDL cholesterol, the "good" cholesterol,
has been linked to lower risk of coronary heart disease), and higher blood pressure.
Thus obesity can contribute to higher coronary risk in a variety of different ways.
Public health scientists now accept that obesity is a chronic disease, just like high
blood pressure or high blood cholesterol. Its causes are a complex, individualized
combination of genetics, behavior, and lifestyle. There is also increased awareness
that obese children are at increased risk for obesity as adults.

8 LONGITUDINAL AND CLUSTERED DATA
Table 1.3 Obesity status of cohort of children, aged 7-9 at entry, from the Muscatine study.
Child's Obesity Statusa
Gender 1977 1979 1981 Count
Males
None missing 1 I 1 20
1 1 0 7
1 0 1 9
1 0 0 8
0 1 1 8
0 1 0 8
0 0 1 15
0 0 0 150
Missing time 1 *
1 1 13
*
1 0 3
*
0 1 2
*
0 0 42
Missing time 2 1 *
1 3
1
*
0 1
0 *
I 6
0 *
0 16
Missing time 3 1 1 *
11
1 0 *
I
0 1 *
3
0 0 *
38
Missing times I, 2
* *
1 14
* *
0 55
Missing times I, 3
*
1 *
4
*
0 *
33
Missing times 2, 3 1 * *
7
0 * *
45
Females
None missing 1 I 1 21
1 1 0 6
1 0 1 6
1 0 0 2
0 I 1 19
0 1 0 13
0 0 1 14
0 0 0 154
Missing time 1
*
1 1 8
*
1 0 1
*
0 1 4
*
0 0 47
Missing time 2 1 * 1 4
1 *
0 0
0 * 0 16
0 * 1 3
Missing time 3 1 I * 11
1 0 * 1
0 1 *
3
0 0 *
25
Missing times 1, 2 * *
1 13
* *
0 39
Missing times 1, 3 *
1 * 5
*
0 *
23
Missing times 2, 3 1 * *
7
0 * * 47
a I = Obese; 0 = Not Obese; *=Missing.

EXAMPLES 9
In 1970 researchers from the University oflowa began to examine the links between
child and adult coronary health. Of particular interest were the associations between
coronary risk factors in youth and coronary disease in adults. The Muscatine Coronary
Risk Factor (MCRF) study, a longitudinal survey of school-age children in Muscatine,
Iowa, had the goal of examining the development and persistence of risk factors for
coronary disease in children (Woolson and Clarke, 1984; Lauer et al., 1997). In the
MCRF study, weight and height measurements of five cohorts of children, initially
aged 5-7, 7-9, 9-11, 11-13, and 13-15 years, were obtained biennially from 1977
to 1981. Data were collected on 4856 boys and girls. On the basis of a comparison
of their weight to age-gender specific norms, children were classified as obese or not
obese. One objective was to determine whether the prevalence of obesity increases
with age and whether patterns of change in obesity are the same for boys and girls.
A summary of the obesity data for children in one of the five cohorts, who were
7-9 years old in 1977, is presented in Table 1.3. Because all the variables are discrete,
the data can be summarized as counts in a contingency table. For example, the first
8 rows of Table 1.3 provide a count of the number of children with each of the 8 ( or
2
3
) possible sequences of binary responses over the three measurement occasions. A
similar table could be constructed for each of the remaining four cohorts of children.
Note that although each child was eligible to participate in all three surveys, the
data are incomplete for many children. Less than 40% of the children provided
complete data at all three measurement occasions. For convenience, in Table 1.3 the
missingness of obesity is treated as a third category of the obesity status variable.
1.3.3 Clinical Trial of an Anti-epileptic Drug
Epilepsy is a chronic neurologic disorder that may result from brain injury, devel
opmental malformation, or a genetic abnormality. It is characterized by recurrent
seizures caused by sudden, excessive electrical activity in the brain. Seizures are
classified as generalized, in which the electrical discharge occurs throughout the
brain, and partial onset, wherein the electrical activity is localized.
Data for the third example come from a placebo-controlled clinical trial of 59
epileptics conducted by Leppik et al. (1987). Patients with partial seizures were en
rolled in a randomized clinical trial of the anti-epileptic drug, progabide. Participants
in the study were randomized to either progabide or a placebo, as an adjuvant to the
standard anti-epileptic chemotherapy. Progabide is an anti-epileptic drug whose pri
mary mechanism of action is to enhance gamma-aminobutyric acid (GABA) content;
GABA is the primary inhibitory neurotransmitter in the brain.
Prior to receiving treatment, baseline data on the number of epileptic seizures
during the preceding 8-week interval were recorded. Counts of epileptic seizures
during 2-week intervals before each of four successive post-randomization clinic
visits were recorded. The average rates of seizures (per week) at baseline and in the
four post-randomization visits are presented in Table 1.4. A graphical presentation
of the average rates of seizures at each occasion in the progabide and placebo groups
is displayed in Figure 1.2. The main goal of the study was to compare the changes in
the average rates of seizures in the two groups.

10 LONGITUDINAL AND CLUSTERED DATA
Table 1.4 Mean rate of seizures per week (and standard deviation) at baseline, week 2, week
4, week 6, and week 8 in the clinical trial of progabide.
Group Baseline
Progabide 3.96
(3.5)
Placebo 3.85
(3.3)
0
ui
:Q'
(I)
LO
(I)
-:i
....
(I)
s
Cl)
0
(I)
-:i ....
::J
N
·a5
Cl)
-
LO
0
(I)
c,j
«l ....
C:
ca
(I) 0
c,j
0
Week2 Week4
4.29
(9.1)
4.68
(5.1)
2 4
Time (weeks)
4.21
(5.9)
4.14
(4.1)
Placebo
Progabide
6 8
Week6 Week8
4.06 3.37
(7.0) (5.6)
4.39 4.00
(7.3) (3.8)
Fig. 1.2 Mean rate of seizures (per week) at baseline, week 2, week 4, week 6, and week 8
in the progabide and placebo groups.

EXAMPLES 11
1.3.4 Connecticut Child Surveys
There is now accumulating evidence that the rates of psychiatric disorders in children
are substantial, with reported population prevalence rates of childhood psychopathol
ogy ranging from 12% to 22%. However, children are considered to be unreliable
in reporting on their own psychopathology. As a result many contemporary surveys
of childhood psychopathology use proxy informants, usually a child's parent (or pri
mary caregiver) and teacher, to report on the child's psychiatric status. In numerous
studies the agreement among multiple informant reports on the child's psychopathol
ogy has been found to be poor. It is thought that much of this disagreement is less a
result of the unreliability of the informant reports than of true differences in children's
behaviors and emotions across different situations and settings, notably in the home
and school. A central issue in studies of risk factors for childhood psychopathology
is utilization of the information obtained about the child's mental health status from
multiple sources or informants.
Data for our example come from two parallel epidemiological surveys that as
sessed the mental health and service needs of children, aged 6 to 11, in rural and
urban communities in Connecticut (Zahner et al., 1992, 1993). The first survey, the
New Haven Child Survey (NHCS), was conducted in 1986 and 1987 in New Haven,
Connecticut, a predominantly minority metropolitan center. The second survey, the
Eastern Connecticut Child Survey (ECCS) was conducted in 1988 and 1989 and
replicated the NHCS in a non-metropolitan planning region covering the eastern third
of Connecticut. The two studies used comparable survey procedures. In particular,
they used parallel questionnaires designed to be self-administered by the children's
parents and teachers. Children's emotional and behavioral problems were assessed
with the Child Behavior Checklist (CBCL) and the Teacher's Report Form (TRF),
118-item symptom inventories covering problems commonly seen in child guidance
clinics. The CBCL and TRF scales do not provide diagnoses of psychiatric disorders;
instead, they provide broad-band measures of emotional ( or "internalizing") and be
havioral ( or "externalizing") disturbance. The CBCL and TRF scale scores can be
dichotomized at published clinical cut-points.
Thus the New Haven Child Survey and the Eastern Connecticut Child Survey pro
vided both a parent's and a teacher's report of psychiatric disturbance in the child as
assessed by parallel forms of a standardized psychiatric symptom checklist. These
data provide multiple source (here, from two sources: the parent and teacher) in
formation on the psychiatric outcome variable of interest. Of note, these data are
cross-sectional but the two sources of information about each child's psychopathol
ogy are likely to be positively correlated. Thus data from the Connecticut Child
Surveys are an example of clustered, but not longitudinal, data. In this setting, unlike
a typical longitudinal study, the major interest of the analysis is not in changes in
the response over time. Instead, the major focus of the analysis is on the effects of
subject-specific covariates on the outcome.
Table 1.5 displays social and demographic characteristics of the children and the
overall rates of externalizing disturbance as determined by CBCL and TRF scale
scores in the clinical range.

12 LONGITUDINAL AND CLUSTERED DATA
Table 1.5 Frequency distribution for variables from the Connecticut Child Surveys.
Variables
Parent infonnant (N = 2501)
Externalizing
0 = Normal
1 = Borderline/clinical
Teacher infonnant (N = 1428)
Externalizing
0 = Normal
1 = Borderline/clinical
Area
1 = Rural
2 = Suburban
3 = Small city
4 = Large city
Single parent
O=No
1 = Yes
Child's health
0 = Good health
1 = Fair/bad health
Child's gender
0 = Female
1 = Male
Count
2112
389
1159
269
874
428
386
813
1982
519
1329
1172
1284
1207
Percent
84
16
81
19
35
17
15
33
79
21
53
47
52
48
The four examples considered in this section differ in terms of outcome variable,
study design, and goals or objectives of the analysis. In the first example from
the TLC trial, the outcome variable, blood lead level, is continuous. In the second
example from the MCRF study, the outcome variable, obesity status, is binary. In
the third example from the clinical trial of progabide, the outcome variable is a
count. These three examples illustrate the diverse types of longitudinal data that
arise in the health and medical sciences. A notable feature of the second example
is the amount of missing data. Missing data are a common problem in longitudinal
studies in the health sciences. As we will discuss in later chapters, one will need
to examine the reasons for any missingness to determine the validity of inferences
about changes in the response over time. Next, consider the design of these studies.
The first and third examples are experiments, where the treatments have been chosen
by the investigators and randomly assigned to the study participants. The second
example is an observational study where the study participants are followed forward

REGRESSION MODELS FOR CORRELATED RESPONSES 13
in time to observe the outcome variable at future time points; however, unlike the
randomized clinical trial, the investigators cannot directly control the comparability of
groups (here, males and females). While the first three examples involve longitudinal
study designs, the fourth example is a cross-sectional observational study. In the
Connecticut Child Surveys, variables are measured at a single time point on a sample
of children. Because information on the outcome variable of interest is obtained from
two sources (the parent and teacher), these data are also clustered. Finally, we note
that the goals of the analysis are similar for the first three examples: characterize the
change in the outcome variable over time and the factors that influence change. In the
fourth example, however, the objective of the analysis is not to characterize change in
the outcome variable over time. Instead, the goal is to examine the effects of subject
specific covariates on the outcome. In later chapters we describe modem methods
for analyzing diverse types of longitudinal data arising from both experiments and
observational studies. Because longitudinal data are a special case of clustered data,
we also describe methods of analysis for clustered data, more broadly defined.
1.4 REGRESSION MODELS FOR CORRELATED RESPONSES
In the last 30 years we have seen remarkable advances in methods for analyzing
longitudinal and clustered data. In particular, we now have a broad and flexible
class of models for correlated data based on a regression paradigm. Indeed, all the
methods that are described in later chapters can be thought of as regression models
for correlated responses. In this section we provide motivation for the regression
paradigm for correlated responses.
Regression models are widely used and provide a very general and versatile ap
proach for analyzing data. Our use of the term "regression model" here is not strictly
limited to the standard linear regression model for a continuous response variable.
Instead, we use this term more broadly to refer to any model that describes the de
pendence of the mean of a response variable on a set of covariates in terms of some
form of regression equation. While the simplest case is the familiar linear regression
model for a continuous response variable, there are many possible generalizations.
For example, regression models have been developed for other response variables,
such as binary responses or counts. For the binary response variable, linear logis
tic regression has been widely used for many applications. For counts, Poisson or
log-linear regression is often appropriate. Another important generalization is to ob
servations that cannot be assumed to be statistically independent of one another, that
is, regression models for correlated responses. In later chapters we consider both
kinds of generalizations of the standard linear regression model.
Note that the term "linear" has appeared in all three of the examples of regression
models considered so far. Linearity in this setting has a very precise meaning and
refers to the fact that all of these models for the mean ( or some transformation of
the mean) are linear in the regression parameters. For example, letting Y denote the
response variable and X a covariate, the following three models for the mean response

Other documents randomly have
different content

ihmisen luonut, paha henkikin tahtoi kilvoitella hänen kanssaan, ja
loi apinan. Jotain samallaista varmaan myös tapahtui, koska Luoja
teki viinin ilahduttajaksi ihmisen sydämelle: kohta ryhtyi paha
henkikin puolestaan työhön ja opetti ihmistä viinaa polttamaan.
Turhaan on viiniköynnös täällä ikäänkuin laskeunut maan tasalle;
turhaan on viinimarja täällä muuttunut jaloimmiksi marjoiksi.
Viluinen Pohjanperäläinen tahtoo kiihoitus-ainetta jähmettyneille
jäsenilleen, eikä voi mikään, ei laki, ei järki, ei armahtavaisuuden
tunne, estää häntä uuttamasta alkoholia leiväksi aiotusta viljasta,
Kas se on pimentopilvi Pohjanmaiden yli, mustempi sen mustimpaa
syksy-yötä.
Mutta sitä ei ajattele tuo lihava rusthollari tuolla, kallis taakkansa
sylissään. Hän vaan lukee voittoansa, ottaen äänettömän hongikon
todistajakseen, ettei hän ole koskaan varastanut muuta paitsi
perhekuntain onnea, ei ole koskaan murhannut muita paitsi
juomareita. Voi sinua rehellistä miestä, kuinka väärin sinun
rehellisyyttäs on tuomittu!
Tampereen kaupunki.
(J. Knutson).
Kaljuja harmaakivi-kallioita, mataloita huoneita säännöttömissä
riveissä, yksi kirkko, yksi koivu, kaksi korkeaa savupiippua, pari
järven lahtemaa, ja tuolla perällä harjuja, joiden epätasainen linja
polvittelee taivasrannassa — siinäkös se onkin kaikki? Siinäkös se on
Tampere, johon matkalaiset kulkevat, nähdäkseen kappaleen
Suomen sydäntä ja ihaillakseen sen tuhansien järvien loistoa.

Ei, ei tämä ole kaikki. Maalari on huviksensa tähän maalannut
kuva-arvoituksen, jossa jotain suurta on piilossa ulkonäön
mitättömyyden takana. Laajenna kuvan näkö-piiri, niin että näet
avaran, välkkyvän järvenselän, niin pitkältä kuin vaan silmäs ulottuu;
johda siitä alaspäin leveä, valkeavaahtoinen juova, kulkuväyläksi
ankaralle koskelle, joka juopi satojen järvien vedet ja kuitenkin yhä
janoo lisää; aseta sen äyräille kuusikerroksisia jättiläis-rakennuksia,
joista höyryn, vesi-rattaitten ja koneitten pauhina uupumattomalla
uutteruudella yöt, päivät kuuluu, saattaen kosken kohinankin
kuulumattomaksi; ympäröi tämä näky jyrkkävietteisillä,
metsäharjaisilla selänteillä sekä silmäs eteen avaralle leviävillä
viljavilla notkelmilla; silloin se olisi Tampere. Tämä kuva näyttää
meille ainoasti yhtä jättiläisen helmankulmaa.
Tampereen kaupunki on Kustaa III:n luoma, mutta itse ajatus
kuuluu jo häntä edelliseen "hyödyn aikakauteen". Veden summaton
työvoima oli täälläkin, niinkuin muualla Suomessa, kuohunut
käyttämättä sivuitse, ja kun nähtiin sen ankaran kosken siellä, täällä
pyörittelevän jonkun mitättömän jauhomyllyn ratasta, niin olisi luullut
näkevänsä Suomen runon Kullervon — titanien vertaisen voimaltaan
— joka oli pantu pientä lasta keinuttamaan. Hyödyn aikakausi keksi
että hänen hillitöntä voimaansa saattaisi hyödyllisempiin toimiin
käyttää, ja Tampereen kaupunki perustettiin Lokak. 1 p. 1779. Yksi
Hattu-puolueen päälliköistä Suomessa, presidentti vapaaherra Boije,
soi siihen suuren apunsa, sillä että kaupunkia varten antoi kosken
oikeanpuolisen rannan, jota vastaan vasemmanpuolinen yhä vielä
kuuluu Hatanpään kartanon alle.
Vv. 1821, 1824 sai Tampere vapaakaupungin oikeudet, jota paitsi
suurilla suojelustulleilla masennettiin kaikki kilvoittelu sen kanssa.
Tehtaita siihen syntyi englantilaisten rahavarain avulla; mutta

kaikesta suojeluksesta teollisuuden uutteruus vaan laimenee. Vasta
vapaamielisempäin kauppa-asetusten valtaan päästyä kohosi
täälläkin tehdasliike meidän ajan vaatimusten tasalle. Koski nieli
miljonia kitahansa, mutta ajoi ne monenkertaiseksi karttuneina
jälleen ylös rannoillensa, ikäänkuin kultahietaa. Nyt sen työvoima
kehrää ja kutoo villa-, pumpuli- sekä liinakankaita, sotkee ryysyjä
paperiksi, ja panee liikkeelle konepajoja ynnä kaikellaisia muita
tehtaita. Enemmän kuin 6,000 henkeä työväkeä tottelee työkellojen
kutsua; heidän lapsensa kokoutuvat kouluihin; purjevenheet tuovat
yhä vereksiä joukkoja kaupungin karttuvan asukasluvun lisäksi. Aikaa
on kestänyt, ennen kuin vapautta rakastava, autioissa saloissa
kasvanut kansa on tottunut tehtaitten väentunkeesen, umpinaiseen
ilmaan sekä yksitoikkoiseen työhön. Mutta kärsivällinen, kestäväinen,
oppimaan taipuvainen suomalainen luonne on vähitellen siihenkin
tottunut, ja Tampereelta on uusi sivistysmuoto — tehdasteollisuus —
levinnyt maamme eteläisten ja läntisten kulmain yli. Tampereen
tehtaitten teokset enimmäksi osaksi menevät Venäjälle; mutta
omassa maassa kuuluu yhä harvemmassa rukin hauska surina,
sukkula on sujahtanut pois emännän ahkerasta kädestä, talon
tyttäret eivät enää käy kotikutomissa, vaan puodista ostetuissa
vaatteissa, ja tehtaat ostavat pellavat kun ne vielä pellolla kasvavat.
Kaikki tämä hiljaa, vaan perinjuurin muuttaa kansantapoja;
koneellisuuden rauta-aika on jo saapunut Suomen keskisydämeen.
Kone on herrana, ja sen rätiseväin hammasrattaitten välillä liikkuu
työväki kaasun valossa, vaaleana ja äänettömänä, niin kuin
haahmoparvi.
Kaikesta siitä ei tämä kuva anna mitään tietoa. Se on tehty
pohjosesta päin katsoen; avara Näsijärvi on siis alapuolella kuvan
kansia, ja siitä lähtevä, tässä samaten näkymätön, ankara koski,
kulkee aivan oikealla reunalla noitten tehdasrakennusten sivuitse,

jotka tässä vaan parilla törröttävällä savupiipulla osoittavat olevansa
olemassa. Vesikaistale tuolla kuvan taustassa kuuluu viherjäisillä
kukkuloilla, niemillä sekä saarilla niin kauniisti seppelöityyn
Pyhäjärveen — keskusjärveen, joka eri haaroilta ottaa vastaan
Näsijärven vesistön vedet ja viepi ne majesteetillisen Nokiakosken
kautta sekä läntisten järvien läpi Kokemäenjokehen. Tehtaitten alin-
omainen pauhu ei ole voinut tukehduttaa Tamperelaisten ihastusta
kauniisen ympäristöhönsä. Ihanat puutarhat kylpevät kosken
ryöpsähyttelemässä vesihuurussa, ja kaukana kohinasta ja pauhusta
saa väsynyt kävelijä korkealla Pyynikki-vuorella levähdyttää
mieltänsä kaukaa kimaltelevain vedenselkäin ihaelemisella.
25. Imatran alku.
Vierasmajasta oikealla virranrannalla käypi polku ylös putouksen
niskalle päin. Harva matkustavainen jättänee tämän käynnin
tekemättä, ja penkkejä on sille paikalle asetettu, leposijaksi niille,
jotka eivät tahdo epätasaisilla kallioilla istua.
Murhenäytelmän kolme eri kohtaa — syy, lankeemus ja sovitus —
ovat selvästi eroitettavana tässä luonnon suuressa draama-
runoelmassa. Nyt nähtävänä olevassa kuvassa on maalari tuonut
etehemme ensimmäisen kohdan, syyn. Virta on lähtenyt hiljaisesta
kodistansa, järvestä, kulkien niinkuin ihminenkin elämässään, välin
hyrskypaikkoja, välin suvantoa. Hän on alkukoskissa oppinut nuoren
voimansa tuntemaan; hän on nuori jättiläinen, jonka sydän kuohuu
halusta tulla mainioksi tämän elämän taistelussa, raivata itselleen
tietä kalliomuurien läpi, kunnialla kruunattuna päästä tuntemattoman

meren syliin. Hän ei pelkää mitään, hän ei tiedä että
raskaudenluonnon-sääntö on häntä itseään voimallisempi, hän ei
tiedä että hän itse, parhaan voittonsa hetkenä, on räiskähtävä
miljoniksi vaahtopisaroiksi. Hän kuvaa itsekästä voimaa, joka ainoasti
omaan itsehensä luottaa, tietämättä että silläkin on korkeampi valta
ylitsensä, valta, joka häntä johtaa ja on ennaltaan määrännyt hänelle
pyrinnön perän sekä tien. Näkemättä vastustamatonta sallimusta,
joka häntä syvyyteen sysää, hän kuitenkin tuntee itsessään
jonkunlaisen levottomuuden. Katsele näitä ristiin rastiin käyviä
kuohu-aaltoja, jotka jo kaukana jyrkkyyden reunasta saattavat
mahtavan virran rinnan kohoamaan, ennustaen sen pian tapahtuvaa
lankeemusta. Mikä vertauskuva tässä luonnon ilmiössä! Nämät
levottomat laineet ovat aivan kuin lakkaamatta vastakkain käyvät,
lakkaamatta toisiansa vastaan riitelevät aavistukset, ajatukset ja
himot kadotukseen rientävän ihmisen sielussa. Mahtavimmatkin
historian jättiläisistä — Aleksanterit, Caesar'it, Napoleonit — ovat
kaatumisensa edellisenä iltana tunteneet sielunsa salaisimmassa
pohjukassa noita ennustelevia, ristinriitaisia, kalvavia laineita, ja
heidän teoissaan on tämä sisällinen taistelu ollut nähtävänä. He ovat
voittaneet tämän aavistelevan tunteen, sanoen sitä heikkoudeksi, he
ovat rohkeasti niinkuin Imatrakin käyneet tietänsä eteenpäin, ja
syvyys on heidät niellyt.
Itse tämä kaikki-nielevä syvyys on jo ollut kuvattuna toisessa
paikassa tässä teoksessa. Kolmas kohta, Imatra putouksensa
alapuolella, on vielä näkemättä — se hetki, jolloin erilleen
ryöpsähtäneet pisarat jälleen yhdistyvät uuteen elämään, ja jolloin
loppuun kuluneesta tapauksesta on jäljellä ainoasti tragillisen
suuruuden vuosisatoja ihmeyttävä työ: särjetyt muurit ja vapauteen
raivattu tie.

Luonnon vertauskuvien vaikutus ihmis-sieluun on huomaamaton,
vaan ihmeellisen voimallinen. Harva ihminen — vaikka kuinkin
hiljainen, hidasmielinen, mielikuvitusta vailla oleva — lienee
kauemmin aikaa katsellut Imatraa sen näljäiseltä, liukkaalta äyräältä,
tuntematta itsessään käsittämätöntä, melkein kuin pahan hengen
viekoituksesta tulevaa halua syöksemään itsensä alas tuohon
kiehuvaan pyörteesen. Moni, sitä tunnetta tunnettuaan, ei ole toista
kertaa tohtinut tulla Imatran salaisen viekoitus-voiman piiriin, ja hän
on siinä tehnyt oikein, sillä onpa joskus tapahtunut, että kiusaus on
tullut kovin suureksi — tapaturmioita on tapahtunut, joiden syyksi on
luultu kallioin liukkautta — mutta Jumala yksin tietää Imatran uhrit
ja ihmis-sielun synkät syvyydet.
Noita huvimatkalaisia tuolla ei näy tämmöinen pelko vaivaavan. He
nauttivat kesäpäivän ihanuutta koivujen varjossa, ja yksi tyttönen
likiseudulta tarjoilee heille mansikoita kaupaksi. Levottomasti
lainehtivan, melkein tuskallisen kosken rinnalla tekee Suomen
luonnolle omituinen rauhallisuus virran rannoilla ja tuossa
lehtosaaressa kuvan taustassa sanomattomasti hauskan vaikutuksen.
Tässä ovat elämän molemmat suuret vastakohdat aivan rinnakkain,
tehden toinen toisensa kauneuden vielä täydellisemmäksi, vielä
ihastuttavammaksi.
26. Juustilan sulku.
(B. Reinhold).
Taaskin eurooppalainen kuva; mutta samassa myös suuren
kansallisen työn kuva, Juustilassa on viimeinen, eteläisin Saimaan

kanavan 28:sta sulusta.
Saimaan avaralla vesistöllä, jonka alimmat selät ovat 256 1/2
jalkaa Suomenlahden pinnan yli, on luonnollisena viemärinään
Vuoksi, joka Laatokkaan laskee. Mutta Vuoksi syökseytyy niin jyrkkiä
könkäitä (putouksia) ja niin ankaria koskia myöten alas, että enin
osa sen juoksua on mahdoton aluksin kulkea, eikä se siis voi olla
kulkuväylänä Saimaan ja meren välillä. Jo 1600-luvun alussa
ruvettiin siis kaivamaan kaivantoa Saimaan ja Suomenlahden välille;
mutta se työ lakkasi kesken, ja hyvä onni se olikin, voipi sanoa. Sillä
siihen aikaan oli sulkuin rakentamisen taito vielä sangen huonolla
kannalla, ja Savon suurten järviselkäin vedet olisivat siis luultavasti
hirmuisena tulvavirtana ryöpsähtäneet rantamaan ylitse. Kaivannon
kaivamisen tuuma heräsi sitten uudestaan vasta v. 1826, jolloin 13
talonpoikaa tuli Savosta, tuoden anomusta siitä maamme
suuriruhtinaan etehen. Hankkeita ja valmistuksia siihen johti Suomen
tie- ja vesi-yhdistysten silloinen päällikkö, paroni Kaarle v.
Rosenkampff, joka kaatuikin taisteluun tämän tuuman puolesta,
vaivoista murtuen. Saimaan kanavan kaivaminen päätettiin keisarin
kirjeellä Syysk. 21:ltä päivältä 1844, kanava avattiin kululle Syysk. 7
p. 1856 ja tuli aivan valmiiksi v. 1858.
Sanomattomat vaikeudet olivat tässä työssä voitettavat. Kanavan
koko läpi kuljettava matka mereen asti, 55 1/2 virstaa pituudeltaan,
oli peri-vetinen. Siellä oli matalia järviä, joissa piti kulkuväylä
syventää, polvittelevia jokia, jotka piti syrjälle johtaa, pohjattomia
soita, jotka piti täyttää, ja höllä maaperä, joka teki että laidat kerta
kertansa perästä vyörivät kaiventoon. Mutta kymmenvuotinen
uutteruus, viisaus ja suuttumattomuus voitti kaikki esteet, ja Suomen
insinöörit, joiden ylijohtajana oli Ruotsalainen, eversti Niilo Erikson,
kuuluisan Amerikkalaisen veli, saattoivat viimein antaa maansa

käytettäväksi työn, joka on jaloimpia lajiansa Euroopassa ja on vaan
maksanut verrattavasti pienen summan, 12 miljonaa 381,000
Suomen markkaa.
Saimaan kanava yhdistää mereen järvirannikoita sadoin
peninkulmin, ylimaan kaupungeita on koko joukko tullut
merikaupungeiksi, salojen korkeat hongat pääsevät ulos maailmoille,
kauppa ja sivistys pääsevät sisään syrjäisiin takamaihin. Tämmöisen
työn loppupaikka maksaa muistamisen vaivan. Juustilan sulussa,
kanavan suulla, Suomenvedenpohjan ylimmäisessä päässä, on meillä
tilaisuus nähdä kuinka lujasti, huolellisesti se suuri työ on tehty.
Kanavan laidat ovat hienosti silitetyllä harmaakivellä päällystetyt; me
näemme sulkukammion, joka on vuoreen hakattu, vahvoilla porteilla
suljettu, ja jonka yli käy sievä vääntämällä aukeava silta. Veden
pinnan korkeuden eroitus sulkujen yli- ja alapuolella on keskimäärin
vähän kymmenettä jalkaa. Kanavan leveys on vaihtelevainen 31:stä
jalasta, vedenpintaa myöten lukien, missä se käy suoraan, aina
90:äänkin jalkaan polvipaikoissa; syvyys on 9 jalkaa.
On päiväpaisteinen suvipäivä kohta päivällis-ajan perästä. Ylöspäin
kulkeva höyrylaiva on juuri tullut sulun sisään Viipurin puolelta,
sulunvartijat par'-aikaa ovat sulkemassa alaporttia, ja laivan edessä
oleva silta on jo vasemmalle auki väännetty. Kaksi laivan
matkalaisista on, käyttäen tätä viivytystä hyväkseen, astunut maalle
kävelläkseen, ja saavat kohta tuon pääsemättömän marjatytön
kimppuhunsa; toiset matkalaiset kärsivällisesti istuvat laivassa, kulun
jatkamista odotellen; muutamat katselijat silmäilevät laivan
menemistä sulun kautta. Sulunvartijan tupa vasemmalla puolella,
sievä metsä oikealla ynnä kanavaa myöten käyvä tie edustalla,
muuta ei seudusta näe, sillä kanavan sininen vyö pokjoiseenpäin on
peitossa sillan takana. Ei myöskään näy niitä monia somia huviloita,

jotka kanavan varsia yhä koristelevat ja matkustajan silmiä
ihastuttelevat. Höyrylaiva on saattava niille meidän terveisemme ja
on turvallisella, hauskalla matkallaan epäilemättä saava monta
vastatervehdystä niistä liehuvilla nenäliinoilla.
27. Savon linna ynnä osa Savonlinnan kaupunkia.
(H. Munsterhjelm).
Kustaa III:n sihteeri Ehrenström kertoo seuraavan jutun.
Muutamana kolkkona iltana keväällä 1790 oli Kustaa III
Drottningholmen huvilinnassa, ajatellen sotatuumiansa ja lähtöä
Suomeen. Kuningas seisoi miettiväisenä, lämmitellen itseään takan
edessä, ja kääntyi yht'-äkkiä Leopold'in puoleen näillä sanoilla: "Mais
il faut avoir le diable au corps, que de quitter toutes ces aisances çi,
pour aller s'enfoncer dans les déserts du Savolax — kylläpä pitää olla
pirun riivaama, jättääksensä kaiken tämän mukavuuden täällä ja
tunkeutuakseen Savon salomaiden sydämeen!" — Tämä kuva
näyttää meille yhden noita "Savon salomaita", joiden tähden se
nerokas kuningas rohkeni uhrata mukavan olentonsa. Mutta jos
Savon linnassa ei olekaan koskaan voinut olla Drottningholman
linnan vertaa hienossa, jalossa ylellisyydessä, voipa se sentään
luonnon kauneuden puolesta vetää vertaa vaikka millekin
kuninkaalliselle huvilinnalle.
Tuo vanha linna keskellä kuvaa syntyi v. 1475, jolloin rohkea ritari
Eerik Akselinpoika Tott rakensi sen suojaksi Venäläisten
päällekarkauksia vastaan; — se oli sama ritari, joka omin päin julisti
sotaa Venäjän suuriruhtinaalle, peloittavalle Iivana III:lle

Wasilinpojalle, ja teki suuren hävitysretken hänen alueelleen,
saattaen 20-30 peninkulman avaralta maan ani-autioksi. Savon
linnaa — eli sen-aikuisella nimellään Olavinlinnaa — rakennettaessa
oli ajat niin rauhattomat, että työmiehillä, käydessään hiekkaa, kiviä,
ja kalkkia hakemassa, aina piti olla sotamiehiä myötä suojanansa. Se
saikin sitten monta kertaa, vihollisten ahdistaessa, koettaa
muuriensa lujuutta, ja jos se ei olekaan voinut kestää säännöllistä
piiritystä, niin on se kuitenkin sitä useammin torjunut ensimmäisen
rynnäkön ja täten kiitettävällä tavalla täyttänyt velvollisuutensa
rajalinnana. Savon linna oli alussa erityisen läänin pääpaikkana, vaan
kuului sitten välin Wiipurin, välin Käkisalmen alle. Se on ollut
vuoroitellen Ruotsalaisten, Tanskalaisten sekä Venäläisten hallussa;
se tuli 1743 vuoden rauhasovinnossa lopullisesti Venäjän vallan alle;
turhaan pitivät sitä Ruotsalaiset saarroksissa v. 1788. Siinä asuva
pieni venäläinen linnaväki marssi pois v. 1849, jättäen sen haltijain
vartioittavaksi. Aika vei voittamattomat pataljonansa rynnäkölle sitä
vastaan ja alkoi sen vanhoja seiniä murentaa; mutta Suomen kruunu
lähetti muutamia tuhansia markkoja puolustusväeksi, ja Savon linna
oli vielä kerran pelastettu. Se on pieni linna, mutta jalolta näyttävät
kuitenkin sen kolme paksua tornia, sen lujat seinät, sen uhkaavat
vallinkulmat, — se on kaunein, eheimpänä säilynyt keski-ajan linna
mikä meillä on Suomessa.
Savon linna on rakennettu saareen, keskelle Kyrönsalmea, joka
yhdistää kaksi kaunista, Saimaan vesistöön kuuluvaa järveä,
Haukiveden pohjois- ja Pihlajaveden eteläpuolella. Kaupunki on
saanut sijansa toiseen likeiseen saareen ja on luultavasti yksin ajoin
syntynyt kuin linnakin; se on ollut linnan ruoka-aittana ja
ulkohuoneena, jonka kohtaloksi aina tuli: vihollisten saapuessa palaa
tuhaksi. Vasta v. 1723 ilmautuu Savonlinnakin näkyviin Ruotsin vallan
kaupunkien luettelossa; 1741 ja 1788 vuosien sodissa se oli kavalain

valtiollisten juonien pesäpaikkana. Meidän aikanamme on se
Saimaan kanavan kautta saanut avaramman hengehtimisen sijan.
Savon voi ei ole saattanut virrata sivuitse, johonkin määrään
lihoittamatta kaupunkia; Savon nero ei ole myös jälkiä jättämättä
kulkenut sivuitse. Savonlinna, järvi- ja lehdikkomäkireunoinensa olisi
epäilemättä kehuttu ihanimmaksi kaupungiksi, jos ei sen maineen
loistoa vielä ihanampi maakunta pimentäisi.
Meidän kuvassamme näemme talvisen maiseman. Ensimmäiset
köykäiset Marraskuun-lumet ovat valkaisseet katot ja kukkulat,
mutta Kyrönsalmen jää on kirkas kuin tanssisalin permanto. Kuka voi
tämmöistä tanssikutsua vastaanseisoa? Huomatkaatte luistinten
piirtämät viivat jäässä, jotka maalari sekä vaskeenpiirtäjä ovat niin
mestarillisesti kuvanneet! Kouluilla on joutopäivä, nuoriso virtaa ulos,
posket ruusuisena, jalka teräkseen puettuna, ja vanha, harmaa,
synkkä linna katsastelee ykstotisesti tuota nyky-ajan hyörinää.
28. Varkauden koski.
(H. Munsterhjelm).
Leppävirtain pitäjän läpi käyvät Saimaan vesistön lahtemat ja
selänteet ristiin ja rastiin, niin että se on pikemmin saaristoa, kuin
mannermaata. Siinä on lukematon joukko saaria, niemiä, salmia ja
lahtia. Kaikki vedet virtaavat eteläänpäin. Pohjoiset järvet purkavat
vetensä Kallavedestä (277 jalkaa meren pinnasta) Konnuskosken
kautta Unnukkaveteen; vaan Konnuksen kaivanto viekkaasti kiertää
kosken sivuitse. Unnukkavesi vuorostaan vyöryy kohinalla Varkauden
kosken kautta 18 jalkaa alempaan Äimisveten; mutta senkin kosken

kiertää taas yhtä viekkaasti Taipaleen kaivanto, joka kahden sulun
avulla viepi laivat tuon vaarallisen paikan ohitse. Äimisvesi
puolestaan on Saimaan vesistön keskusjärven, Enoveden, pohjoisin
selkä.
Varkauden kosken varrella on samanniminen tehdas,
suurenmoinen laitos, jossa on iso saha ja rautaa valmistava masuuni.
Pitkä silta, jonka alla nieriäiset loiskuttelevat, liittää tehtaan —
tekispä mieli jo nytkin sanoa: kaupungin — toiseen rantaan. Kuvassa
näemme ainoasti pienen osan tehtaan monista, kaunispaikkaisista
rakennuksista.
On sydäntalvi, Tammikuu. Koivut seisovat lehdettömänä, männyt
lumella peitettynä, ja kosken huurun synnyttämä härmä on hopealla
siloittanut vanhan, pahkaisen, väärän pihlajan. Lumen peitossa ovat
kaikki katot, kivet ja rannat; savu nousee hauskannäköisten
huoneitten piipuista, luvaten matkalaiselle runsaasti vieraanvaraa.
Kaikessa ilmoittautuu pohjoisen talvipäivän hauska rauhallisuus, —
kaikessa paitsi tuossa aina rauhattomasti pauhaavassa koskessa. Se
ei kärsi päällään mitään kahletta, se ei tottele pakkasta, se kuohuu
edelleen, aina vaahtoisena, aina vapaana. Se on ainoa nyt elossa
oleva vesi täällä; suvannot sen ylipuolella ja alipuolella ovat kuolleet.
Tää avara, musta vesi edustalla kyllä myös liikkuu, mutta se liikkuu
hitaasti, raskaasti hengehtien, melkein kuoleman teossa, sillä se on
täynnä jääsohjaa, se on kohta lujaksi jääksi jähmettyvä. Eipä
kuitenkaan lujaksi, vaan aina petolliseksi jääksi; sillä virralla on
täälläkin vielä sen verran voimaa, että se lakkaamatta kalvaa
kahlettansa: se jäätyy ja sulaa vuoroitellen, jää on epätasainen,
niinkuin olisi vesi laineina kohmettunut — varokoon itseään se, joka
tälle epäluotettavalle sillalle astuu! Teollisuus yksin on saanut
vedenhaltijat täydesti valtoihinsa: ne pauhaavat ja peuhaavat,

takoen ja sahaten; ne pureksivat rautaa, ne viilaisevat honkaa, ja
menevät sitten, suu täynnä raudan kuonaa sekä sahajauhoja,
puhdistamaan itseänsä kylvyllä Saimaan kristallinkirkkaisessa
altahassa.
29. Lohipato.
(A. v. Becker ja B. Lindholm).
Me olomme alapuolella Imatraa, Jääsken pitäjässä, noin kolme
peninkulmaa koillispuolella Viipurista.
Vuoksi ei ole suuren hyppäyksensä perästä kauan levähtänyt. Se
syökseytyy, vielä innoissaan ensimmäisestä sankartyöstään, taas
toisiin koskiin. Niissä on sama näkö nähtävänä kuin Imatrassakin,
vaikka paljon pienemmässä määrässä: samat nuolena kiitävät
laineenreunat, sama pyöriskelevä vaahto, samat aina kosteat,
kallioiset, metsäkupeiset rannat. Imatrasta ei lohi taida ylipäästä; se
on hänenkin pontevalle voimallensa liian jyrkkä este, liian ankara
vastustus. Mutta näistä pienemmistä koskista se joka vuosi kulkee
ylös, totellen luonteensa vietytystä. Tällä rohkealla retkellänsä se
sangen usein puuttuu tässä kuvassa nähtävään satimeen.
Suuret lohipadot ovat rakennetut suurella taidolla ja tarkalla virran
suunnan arvioimisella. Ne ovat seipäistä nuolenkärjen muotoon
rakennetuita tarhoja, joiden kärki on käännetty vasten virtaa ja
kulman kainalossa on aukko. Uidessaan ylöspäin virtaa, kohtaa lohi
aituuksen, jota myöten etsien pääsöpaikkaa pujahtaa pelkäämättä
aukosta sisään, tottunut kuin se on ahtaita kivien lomia kulkemaan.

Mutta taas tulee hänelle toispuolinen aituus eteen; virta viskaa hänet
tarhan syrjäsoppiin, joista hän ei enää pääse minnekään. Pyytäjä,
kun käypi pyydöstään kokemassa, nostaa koko patomuksen ulos
vedestä ja antaa veden valua ulos; lohi silloin vengottelee kuivillaan
pohjassa ja tapetaan nuijan sivalluksella vasten kuonoa.
Tällä tavoin saadaan Pohjanmaan jo'ista monesti toista sataa lohta
kerrassaan. Tässä kuvassa nähtävä patomus on vähemmin
konstikkaalla tavalla rakennettu, vaan kuitenkin samaa petosta
tarkoittava. Se on laitettu johonkuhun kosken sivuhaaroista,
muutamien kivien päälle asetettuin kuorimattomain pölkkyin avulla.
Patomus tässä ei ole vedestä nostettava, vaan siihen sattuneet lohet
otetaan ulos väkäisellä ahraimella. Seisominen noilla aina kosteilla ja
liukkailla pölkyillä vaatii rohkeutta ja varovaisuutta. Kalastaja, sitä
tehdessään, on paljain jaloin, samoin kuin poikanenkin, joka
lapsimaisella uteliaisuudella katselee päivän saalista. Sama
uteliaisuus on myös viekoittanut kaksi nuorta, koreaan Jääsken
vaateparteen puetettua naista ulos tuolle vaaralliselle portaalle,
mutta jopa he katuvat rohkeata yritystään ja alkavat pakoon pötkiä.
Kukaties ei liene aivan väärin, jos arvaamme, että tytöt enemmän
ovat tulleet katsomaan tuota nuorta, rohkeaa kalastajaa kuin itse
lohia, joista yksi jo on vasuun pantu, Viipurin tai Pietarin
herkkusuiden pöydälle lähetettäväksi.
Ilmi-elävät henkilöin kuvat tässä ovat A. v. Beckerin, ja itse hauska
koski-maisema B. Lindholmin maalaamat molemmat otetut kansan
jokapäiväisestä elämästä jalomuotoisen luonnon keskellä.
30. Loviisan kaupunki.

(O. Kleineh).
Koska Kyminjoki v. 1743 oli tullut Suomenmaan ja Ruotsin vallan
rajaksi Venäjän keisarikuntaa vastaan, pyysivät muutamat kauppiaat
Venäjän vallan alle joutuneissa Haminan ja Lappeenrannan
kaupungeissa lupaa, saadakseen muuttaa kauppansa Pernon
pitäjään sisäänpistävän merenlahden rannalle, puolentoista
peninkulman päähän Kymin suusta. Ruotsin hallitus katsoi
hyödylliseksi että siihen rajakaupunki syntyisi, osti 300:lla
vaskitaalarilla Degerbyn seterikartanon Porvoon kymnaasin lehtorilta
Kraftman'ilta ja julisti Kesäk. 26 p. 1745 perustuskirjan uudelle
Degerbyn kaupungille.
Ruotsi ja Suomi olivat tosin silloin tasavaltana, kuningaskunnan
nimellä, mutta "luonto se kuitenkin voitti", eikä ole koskaan
nöyremmästi kumarrettu kuninkaallista nimeä, kuin juuri tällä
Vapauden-ajalla. Ylinmäärin suureksi kunniaksi katsottiin siis, että
kuningas Aadolf Fredrik, Suomessa matkustelussaan v. 1752, myös
kävi tässä uudessa kaupungissa ja soi sille nimen Loviisa, muistoksi
hänen puolisostaan Loviisa Ulrikasta, joka silloisessa historiassa kyllin
on tuttu. Kuninkaan puolison kaimaa pidettiin nyt onnen
kantamoisena ja ennustettiin sille suurta tulevaisuutta, Se sai kohta
merikaupungin-oikeuden, jota niin suuresti kadehdittiin; se sai
runsaasti alusmaata ynnä muita etuja. Kyminkartanon maaherra otti
siihen asuntonsa ja 500 miestä sotaväkeä siihen majoitettiin rajan
vartijoiksi.
Ensi-alussa oli Loviisa myös rajalinnaksi aiottu. Muurien alkuja
nähdään sen itä- ja koillis-puolella; kasarmit ja ekseerauskenttä ovat
myös todistuksena kaupungin sotaisasta lapsuuden-ajasta. Mutta
sitten muuttui hallitsevain tuumat. Svarthohnan saari lahden suussa

linnoitettiin; mutta ei sekään täyttänyt maan toivoa seuraavissa
sodissa. Sen lyhyt historia päättyi Maaliskuussa 1808
arvaamattomalla antaumuksella.
Sillä välin oli Loviisan kaupunki joutuisasti vaurastunut, niin että
sillä tämän vuosisadan alussa oli 2,700 asukasta, suuri määrä kyllä
siihen aikaan. Loviisa oli nähnyt sotatapaukset sekä salaliitot
naapuristossaan 1788 vuoden sodan aikana; se oli hurrannut Kustaa
III:lle, huvittanut itseään vapaamuurari-salatempuilla, vienyt ulos
rautaa sekä puuta, saanut oman historiankirjoittajansa, Henrik
Backman'in, v. 1776, ja havaitsi v. 1809 arvaamatta joutuneensa
Venäjän puolelle Ruotsin rajaa. Siihen aikaan jo oli kaupungin lyhyt
kukoistus-aika lähennyt syksyään. Loviisa kuningatar oli jo aikaa
kuollut, loppunut oli jo käytännöllisyyden aikakausi, kuollut Kustaa
III, ja pian olivat myös Kyminkartanon maaherranlääni sekä Kymin
raja muuttuneet paljaiksi, aikakirjoihin kätketyiksi muistoiksi.
Maaherra oli jo v. 1779 siirtänyt asuntonsa Heinolaan, Loviisan
satama oli mataloitunut ja laivain pääsö sen rantaan tullut vaikeaksi,
kauppa sai pahoja loukauksia useampain haaksirikkoin kautta ja
raukeni. Tästä ajoin on kuninkaan puolison kaima ollut vapauden-
ajan nöyränä leskenä Suomessa, kyllin nuorena yhtähyvin
seurustellaksensa uuden ajan kanssa ja ottaaksensa osaa sen
toimihin. Se on nyt tiheästi asutun, varakkaan maanseudun
asiamiehenä, koristelee itseänsä kukkasilla ja rakastaa taiteita. Pentti
Lindholm on sen poikia, mutta on, peläten että hän ei voisi
tasapuolisesti kuvata äitinsä kauneutta, antanut sen toimen O.
Kleineh'lle.
Tässä me näemme kaupungin maapuolelta, puuryhmiä
ympärillään, korkea kirkko keskellään. Se on pieni soma kaupunki,
joka vielä on somistunut palonsa perästä yöllä Heinäk. 5-6 p. 1855,

eikä ole suinkaan sennäköinen kuin olisi se vaan lakastunut lehti
menneeltä suvelta. Näin tuuheita vaahteria kuin täällä ei näe monin
paikoin Suomessa, Loviisa Ulrika olisi ihastuksissaan niistä, ja ne ovat
vihriäisenä seppelenä hänen muistopatsaansa päällä.
31. Silakanpyynti Uudenmaan saaristossa.
(B. Lindholm.)
Maassa, jolla on sata peninkulmaa merenrannikkoa sekä monta
sataa peninkulmaa järvirantoja, kalastus tietysti on sangen tärkeä
elatuskeino. Harva mies Suomessa ei ole joskus pyytänyt veden
karjaa; harva nainen ei ole joskus huuhtonut kalansuomuksia
hyppysiltään; harva lapsi ei ole joskus pitänyt onkivapaa kädessään.
Kalastusta täällä harjoitetaan huvina, sivutulona taikkapa pää-
elatuskeinona. Rantamaan kansa kalan pyynnissä ovat mestareita ja
ylenkatsovat meitä muita tilapäisiä kalastajia. Miehet, jotka yöt,
päivät kiikkuvat heikossa veneessään, keskellä meren myrskyjä,
pitävät onkimista ainoasti laiskurin virkana. Tavallinen suomukalan
pyynti on vaivan ja joudon vaihettelua. Lohi, siika, silakka, turska, ne
ne koettavat kalastajan miehuutta alin-omaisella raskaalla työllä,
vahvistavat hänen käsiensä voiman ja kasvattavat hyviä merimiehiä.
Ennen muinoin saatiin sillejä jokapaikasta Itämerestä. Mutta mitä
suolattomammaksi Itämeri on tullut siihen yhä laskeutuvien monien
jokien vedestä, ja mitä enemmän sen vesikasvien lajit siitä syystä
ovat muuttuneet, sitä enemmän on silli paennut, jättäen sijansa
pienemmälle, heikommalle sukulaiselleen, hopeanhohtavalle,

säkenöivälle silakalle. Tälläkin on sama taipumus suuriin seuroihin
ynnä myös halu pitkiin matkustuksiin. Koko legionat näitä pieniä
kaloja, joitten koko vaihettelee sillin suuruudesta aina salakan
suuruuteen asti, täyttävät tiheillä parvillansa meidän rantavetemme,
kulkien välin rannoilta syvyyteen, välin syvyydestä rantalahtemiin.
Lukemattomin joukoin pyydetään niitä Huhtikuusta Lokakuuhun,
vieläpä toisinaan kevättalvellakin, ja viedään suolattuina ylimaahan.
Suomen talonpoika, joka harvoin näkee herkuttomalla pöydällään
muuta liharuokaa paitsi joulukinkkua, viljelee yleisesti suolattua
silakkaa särpimenä ja höystimenä ruisleivällensä sekä potaateilleen.
Näissä on samoin varakkaan talollisen kuin myös köyhän
ruotuvaivaisen jokapäiväinen ruoka, jos ei kato- ja nälkävuosi
pakoita molempia pettuleipään turvaamaan. Silakka on meillä
kansallisin, enimmin haluttu kaikista veden asujaimista. Sen hintaa
markkinoilla aina ensiksi tiedustellaan; jos sitä on runsaasti, arvelee
niin varakas kuin köyhäkin ei olevan mitään hätää ruoasta; jos sitä
on vähän ja hinta kallis, ei ole muuta sijaan panna kuin muikku, ja
muikku — järvikalan laji — ei löydy niin runsain määrin eikä kaikin
paikoinkaan.
Silakkaa pyydetään taikka nuotalla taikka jataverkolla, Nuotta on
vanhempi näistä pyydyksistä, jataverkko on uuden-aikuisempi,
hienosilmuisempi, joskus 5:nkin syllän syvyinen. Se lasketaan yöksi
luotopaikalle mereen, missä on 6-10 syltää vettä; taikkapa pannaan
se, Gotlannin tavalla, pulloilla varustettuna, laineita myöten
ajelemaan juuri veden pinnan alla. Tämä kalanpyynti on kaikista
vaarallisin ja vaivaloisin, mutta myös parhain saalista antava. Usein
nousee pimeällä yöllä myrsky. Kalastajalla on kallioluodollaan
mökkinsä katolla tuulihyrrä; monta kertaa yöllä hän herkistää
korviaan sen ääntä kuultelemaan, ja jos se myrskyn tuloa ennustaa,
rientää hän viipymättä veneelleen ja lähtee korjaamaan pois

kalliimman tavaransa mustista lainehista. Taikkapa myös on hän
kiinnittänyt veneensä ankkurin pohjaan samaan luotoon, mille on
jataverkkonsa laskenut, useamman peninkulman päässä lähimmästä
maasta. Yksi mies vuoroitellen valvoo; myrsky nousee, sade rapisee,
ja usein täytyy silloin hakata ankkuriköysi poikki, jättää kalliit
pyydykset veteen, ja laskea vene tuulta myöten menemään, minne
meneekin kaukaisille, vieraille rannoille, sillä se on ainoa hengen
pelastus.
Nuottamies ei ole näiden vaarojen alainen. Hänellä tosin on raskas
työ, usein sateessa ja pakkasessa; hänen on ponnisteleminen tuulta
ja virtaa vastaan; mutta hän pyytää saalistansa myrskyltä suojatuista
lahtemista, ja käypi tavallisesti makaamaan, jos aalto jonakuna
päivänä on kovin ankara. Lindholmin ensimmäisessä kuvassa
näemme lahteman, jolla on syvät, kallioiset rannat, ja lahtemalla
kolme venettä väkineen. Kaksi niistä on rantaan kiinnitettynä; valkea
on viritetty, ja pata tarjoo lämpimiä potaatteja, luvaten toisella
kerralla antaa täytensä silakkaa. Kaksi miestä seisoo jouten,
nälkäisen näköisenä; poikanen lämmittelee kohmettuneita käsiänsä
valkealla. Kaikki odottelevat kolmatta venettä, joka pian on saanut
nuottansa ulospannuksi.
Tätä venettä pannaan, Uudenmaan tavan mukaan, liikkeelle niin,
että yhdellä airolla kokassa soudetaan, toisella perässä huovataan.
Soutamassa on vaimonpuoli harmaissa vaatteissa. Monestikin on
puolet nuottaväkeä naisia, hameet ylös-sonnustettuna, rivakoita
soutajia ja kaikkiin vaivoihin tottuneita, yhtä paljon kuin miehetkin.
Etukokan kärjellä ratsastaa pikku, hyvää toivoa itsestään herättävä
Jouto-Jussi, punatupsu lakissa, ikään kuin täten oikein mukavalla
tavalla opiskellen vastaista virkaansa. Viidentoistavuotinen poika
paitahihasillaan huopaelee; ahvettunut mies pruunisessa jakussa,

lakki silmille vedettynä, on ottanut osakseen raskaimman työn,
nimittäin nuotan ulospanon, jolla aikaa kahdentoistavuotinen
apumies selittelee verkkoa, ettei se veneessä sekaannu. Pian on
vene menevä rantaan; vaimonpuoli — aina etumaisena, aina
uupumattomimpana — on käyvä istumaan polkuveivilleen toiseen
veneesen ja hitaasti jaloin polkien hinaava sisään toisen nuotansivun
köyttä. Mies ja pojat aivan mukavasti rannalta auttavat nuotan
vetämistä, ja näin on se väljä piiri, joka meren vapaat asukkaat on
kietonut, ahdistuva ahdistumistaan, kunnes koko kalakarja
sätkyttelee nuotanperässä. Minkälainen on saalis tuleva? Niinkö
runsas, että kaikki saavat hauskaa työtä yltäkyllin, vai ainoasti
muutamia yksinäisiä karkureita merenkuninkaan väestä, tuskin niin
paljon että pata rannalla tulee täyteen? Sitä ei tiedä kukaan, mutta
kaikki silmät ovat nöyrällä onneensa tyytymyksellä kääntyneet
toivotun saaliin puoleen. Tulkoon kapallinen, tulkoon nelikollinen,
tulkoon 50 tynnöriä kalastaja on tottunut saamaan erilaisia lippuja
onnen arpapyörästä, ja hän odottelee vakaisella mielellä.
32. Silakan suolaus.
Nähtävästi on saalis ollut runsas, sillä toisessa kuvassa näemme
kalamiehet täydessä kalojen suolaamisen puuhassa. Edessämme on
yksi noita pieniä lahtiloukeroita, jotka ovat veneille soveljaita
satamapaikkoja. Ranta asuinhuoneen edessä on viettävää,
punertavaista kalliota, jonka muinaiset meren-aallot ovat sileäksi
nuolleet. Oikealla puolella näemme jokseenkin rappiolla olevan kala-
aitan, vasemmalla pitkiä parsia, nojallaan patsaita vasten, joille
ripustetaan nuotta kuivumaan. Yksi mies ja yksi poika ovat juuri

tässä toimessa. Veneet ovat kaikki kolme rannassa. Vaimonpuoli,
hihat ylöskäärittynä, tuopi silakoita veneestä; se on sama "kalamies",
joka taannoin souteli, mutta hänen pruuninen hameensa ei ole enää
sonnustettuna. Toinen vaimo istuu, kalalauta edessään, ja ottaa
juuri-vasun sisällystä vastaan. Nuori, paljasjalkainen tyttö seisoo
hänen vieressään, ja katselee, varjoten silmiänsä kädellä, ohitse-
purjehtivaa alusta. Vielä enemmän oikealla näemme toisenkin
vanhanpuolisen vaimon, sininen huivi kaulassa, joka myöskin,
kalalauta edessään, odottaa perattavia vasusta saadakseen. Yksi
mies kaataa kapasta suoloja puoleksi täytettyyn nelikkoon, ja koska
tämä tulee täyteen kalaa, on hän paneva painon kannelle. Kahdella
muulla miehellä aitan vieressä on työnä jo täytettyin nelikkoin
vanteitten tiukemmaksi lyöminen.
Tämä näkö täällä saattaisi olla hiukan toisellainen toisessa
apajapaikassa. Kala-aitta on tavallisesti aivan venelaiturin vieressä, ja
nuottaparret enimmiten ovat vaakasuorassa asemassa. Mutta
kalastajan elämä kuitenkin on samallainen joka paikassa — samaa
taistelua hillittömiä luonnonvoimia vastaan, samaa vaivaa, samaa
nöyrää kohtaloonsa tyytymistä, jos pyynti on ollut huono, ja samaa
riemua, jos se hyvin onnistui — kädet suomuksisena, posket
ahvettuneena, leikkipuhetta kaikilla huulilla, ja iloisia lapsia, jotka
matkivat aika-ihmisten toimia.
33. Kuopion kaupunki.
(H. Munsterhjelm).

V. 1650 sai kreivi Pietari Brahe kuningatar Kristiinalta Kajaanin
vapaherrakunnan läänityksekseen. Se oli avaruudeltaan
kuningaskunnan vertainen, se sisälsi äärettömiä saloja, järviä sekä
soita Pohjanmaan koilliskulmassa sekä Savon pohjois-sopessa, mutta
se oli vaan hongan ja karhun kotimaata, siinä ei ollut yhtään
ainoatakaan kaupunkia. Pietari Brahe aikoi perustaa kaupungin,
Kallaveden rannalle, Kuopion kirkon likeisyyteen. Pohjapiirros tulikin
jo valmiiksi, mutta ei sitä kerjitty toimeen panna, ennen kuin Suuri
Kruunun-ryöstö tempasi pois tämän vapaaherrakunnan niinkuin
muutkin suuret läänitykset. Sata kaksikymmentä kuusi vuotta sen
perästä lähetti maantiedon kirjoittaja Tuneld Pietari Brahen
pohjapiirroksen Kustaa III:lle ja koska kuningas tahtoi asettaa eri
maaherran Savonmaahan, niin perustettiin Kuopion kaupunki v. 1776
Koljolan talon maalle, Kallaveteen ulospistävälle niemelle.
Perustuskirja on Maalisk. 4:ltä päivältä 1782.
Niinkuin kaikki kuninkaanlapset, sai Kuopiokin erityiset etuuksensa,
muun muassa myös ammattivapauden, mutta kaikki sille osaksi tullut
suosio olisi ollut turha, jos ei se paikka olisi ollut erittäin sovelias
kaupalle ja jos ei ympäristö olisi ollut Savon parhaiten viljeltyjä ja
tiheimmin asuttuja seutuja. Karjalaisen kauppias-taidosta on myös
hänen nuorempi veljensä, Savolainen, saanut osansa. Koska Viipuri
oli Venäjän vallan alla, tuli Kuopio koko ruotsinpuolisen Itä-Suomen
kauppakeskukseksi, ilman kilpailijatta likempänä kilin 30
peninkulman päässä. Sen markkinat olivat suurimmat koko maassa
ja välittivät tavarain vaihtoa idän ja lännen välillä. Kun sitten Viipuri
taas Suomeen yhdistettiin ja aloitetun Saimaan kanavan kautta näkyi
aikovan vetää koko liikkeen puolehensa, sai Kuopio taas toisellaisen
korvauksen, sillä että siihen v. 1844 perustettiin kymnaasi ja v. 1851
asetettiin piispa asumaan. Markkinat alkoivat vähentyä, mutta
Kuopio sen sijaan tuli opin ja kirkon pesäpaikaksi, synnytti

Snellman'in sanomalehden, uutta aikakautta aloittavan Saima-
lehdon, ja väitteli Raamatusta Savon kerettiläisten kanssa.
Eipä ole sen historia sotamuistojakaan vailla. Kuopio sekä lähellä,
koillisessa, oleva Toivalan salmi olivat 1808 vuoden sodassa
tanterena Sandels'in, Malm'in ja Duncker'in mainioilla urhotöillä.
Yöllä Toukok. 12:tta päivää vasten valloitti Malm 180:n Savon
jääkärin ynnä muutamien satojen talonpoikien kanssa Kuopion,
nelituntisen kovan taistelun perästä, ja sai enemmän vankeja, kuin
mitä hänellä itsellään oli miehiä. Vihollinen tuli takaisin suuremmalla
voimalla: Kuopio tuli taistelun aineeksi; kaksi kertaa, Kesäk. 26 p.
sekä Heinäk. 1 p., ryntäsi Sandels rohkeasti päälle, vaan torjuttiin
takaisin. Nyt toivat Venäläiset tykkivenheistön Kallaveden seljille;
alkoi pieni vesisota täynnä romantillisia tappeluita maallenousuineen,
yöllisin päällekarkauksineen, viekkain temppuineen sekä
urhotekoineen molemmin puolin. Sandels oli peräytynyt Toivalaan,
jota salmea sitten puolusti ihmeteltävällä rohkeudella, siksi kuin
hänen, takaapäin lähenevän vihollisjoukon tähden, täytyi peräytyä,
saadakseen loistavan voittonsa Virran sillan luona.
Kuopio on rakennettu tasangolle, jolla on vettä kolmella taholla, ja
sen pitkissä riveissä venyvien, matalien huoneitten yli kohoaa v.
1815 valmistunut tuomiokirkko. Täyttä käsitystä Kuopion
kauneudesta ei voi kuitenkaan saada, ennen kuin on noussut tuolle
kuvan taustassa kohoavalle harjulle, Pujovuorelle, joka
ylöskiipeemisen vaivan palkitsee ihanimmalla näöllä Kallaveden
selkien ynnä niiden satojen saarien, luotojen, salmien, lahtien,
ruokorantojen, savuavain höyrylaivain ja kaukaa paistavain purjeitten
yli.

34. Laatokka.
(B. Lindholm).
Laatokka on avarin ja syvin notkelma Euroopan manterella. Siihen
jäi osa valtameren vesiä, koska muinainen leveä salmi Vienanmeren
ja Itämeren välillä maatui umpeen, ja tällä tavoin syntynyt järvi
kadotti vähitellen suolaisuutensa monien siihen virtaavain jokien
kautta. Jos Suomenmaan ja Skandinavian poisluemme, niin koko
muun Euroopan järvet yhteensä eivät täyttäisi Laatokkaa. Se on 17
peninkulmaa pitkä, 10 1/2 leveä, 292 neliöpeninkulmaa avara, ja
syvyys muutamin kohdin sen etelä-osassa, missä laskinluoti ei
200:nkaan syllan päästä vielä tapaa pohjaa, on suurempi kuin
yhdessäkään paikassa Itämeressä, Laatokan muoto on soikulaisen
pyöreä taikka paremmin sanoen on se suorakulmiona, joka
eteläänpäin kaariutuu; suurin pituus käy pohjois-luoteesta
eteläkaakkoiseen. Laatokkaan valuu 70:n suuremman ja pienemmän
joen kautta tuhansien järvien vedet Maanselän kumpaiseltakin
vietteeltä, ja Nevajoki ne sitten vie Laatokasta ulos Suomenlahteen.
Lukemattomat. Vellamon tyttäret vievät täten veronsa tälle
hallitsevalle, suurimmalle sisarelleen — vievät vetensä läpikuultavat,
kirkkahat kuin kristalli, liian viattomat oikeastaan, tullakseen suuren
pääkaupungin saastaisuuden huuhtojiksi.
Ympärillä asuvat kansat sanovat Laatokkaa mereksi, ja meri onkin
hyvin sopiva nimi järvelle, jonka rannoilta ei mikään silmä voi toista
rantaa eroittaa, Sen nimeä arvellaan väännellyksi alkuperäisemmästä
nimestä, Aldogas (= Aallokas); sen eteläisellä rannalla olikin muinoin
vanha vikingi-linna Aldeigja-borg. Ja aallokaspa onkin Laatokka
enemmän kuin moni muu vesi; sen kepeät vedet kuohahtavat
pienimmästäkin tuulen puuskahduksesta ja nielevät monta alusta

pelättyyn poveensa. Laatokan aallolla onkin eri nimensä suomen
kielellä: sitä mainitaan kareeksi, joskus mainingiksi. Kylminä talvina
jäätyy koko tää suuri järvi lopulla Tammikuuta, mutta alkaa siintää
jälleen Helmikuun lopulla. On oltu havaitsevinaan että sen pinta
aikakausittain nousee ja laskeutuu.
Laatokan pää-selkä on ääretön vesilakeus, jossa ei näy
ainoatakaan saarta; saaristoa on tässä järvessä ainoasti pitkin
korkeakukkulaista, monilahtemaista pohjois-rannikkoa, ja kolmen
peninkulman päässä rannasta kohoovat sillä kulmalla keskiselästä ne
saaret, joilta kuuluisan Valamon luostarin kullatut torninhuiput
välkähtelevät. Etelässä on Laatokka huuhtonut kolme leveää
poukamaa Inkerin pehmeämpään maahan.
Laatokka tätä nykyä kuuluu puoleksi Venäjän keisarikuntaan,
puoleksi Suomen suuriruhtinaanmaahan; meidän on koko pohjoinen
ranta ja melkein kaikki läntinenkin. Mutta itäiselläkin rannalla
paikoittain asuu Suomalaisia, ja monta vuosisataa takaperin oli
Laatokka keskustana läntisen Suomalaisheimon alueessa. Tämän
järven rannat ovat olleet sen vanhimman, hämärän historian
tanterena; näistä rannoista on se taistellut jo ammoin unohdettuja
taisteluita. Täällä arvellaan Kalevalan ja Pohjolan muinoin taistelleen
Sammosta; täältä myös muutamat arvelevat Rurikin lähteneen,
koska hänet kutsuttiin Venäjän vallan perustajaksi. Laatokan kautta
kävi Keski-ajan koko loppupuoliskolla länsimaiden suuri kauppatie
Novgorodiin ja itämaille; Laatokan kautta imee Pietari nytkin vielä
suuren osan sille idästä ja pohjosesta virtaavia tarpeitaan. Laatokka
yhä vieläkin, niinkuin muinoin, on itäsuomalaisen kaupan suurena
valtasuonena.

Lindholmin kuvassa me näemme edustassa aution vuorimaiseman
Laatokan läntisrannalla, Suomen puolella, Kurkijoen pitäjässä.
Muutamat harvat männyt sekä kuuset törröttävät kallioin raoista,
pieni lammaslauma hakee tästä niukkaa ravintoansa, ja paimenpoika
puhelee vuorten yli poikkitietä tulleen miehen kanssa. Kauempana
näkyy tiheä lehto; siellä satakieli laulelee; sen sisässä kenties piilee
joku kalastajan mökki. Kaitainen lahdeke tunkeutuu kallioiden
lomaan, ja sen takana leviää silmiemme eteen Laatokan ääretön
avaruus. Se makaa nyt rauhallisena, hopeanhohtavaisena, välkkyen
kajanteesta pilkistävän auringon paisteessa, niin tyynenä ja
kirkkaana, kuin ei tietäisi se mitään myrskyin möyrynnästä, kuin ei
olisi koskaan merimiesten henki, jopa koko känsäinkin kohtalo ollut
sen läikkyväin lainehien nojalla. Vesien haltija nukkuu — älkäämme
häiritkö sen lyhyt-aikuista unta, nyt kun aution erämaan hiljaisuus
sen on viihdyksiin saattanut.
35. Kotiin-tulo linnunpyynniltä.
(A. Edelfelt).
Talonpoikais-tupa Uudenmaan rannikolla.
On iltapäivä lopulla Elokuuta, jolloin telkänpojat ovat tulleet
"syötäviksi" ja kallis-arvoinen nahka ei enää ole lain suojan alla,
Eerik Fagerholm on kovin viisas metsästäjä, ettei hän pitäisi
metsästyssääntöä pyhänä. Hän ei tosin katso kaikkia noita herrain
keksimiä uusia metsäviljan suojelemisen keinoja niin erittäin viisaiksi.
Hän ei myös huoli toimittaa poliisin virkaa kaikkia lainrikkojia
vastaan, jotka aikaiseen kesällä soutelevat saaresta saareen, poimien

merilintuin munia ja ampuen emiäkin kuvilla. Mutta Eerik Fagerholm
tietää että, jos hän luvattomalla ajalla vie lintuja Helsinkiin, niin
joutuu hänen saaliinsa, vieläpä hän itsekin ensimmäisen
kalasatamassa vastaantulevan poliisikonstapelin kynsiin. Sitä hän
syystä pitää ikävänä seikkana ja päättää senvuoksi luvallista aikaa
odottaa.
Hänen nuottansa on nyt par'-aikaa korjattavana, ja hän käyttää
tämän loma-ajan linturetkeen. Huomattuansa telkkäpoikuuden
kaidan salmen likeisyydessä, on hän parilla myötään-viedyllä verkolla
sulkenut tämän salmen suun ulkopuolelta. Sitten on hän kokeneen
linnustajan varovaisuudella ja taidolla ajanut poikuuden sisäselältä
salmeen ja oikealla ajalla päästänyt haulinsa ratisemaan veden
pintaa myöten. Muutamiin on sattunut, toiset ovat menneet
sukelluksiin ja koettaneet, uiden veden alatse, päästä ulkoselälle.
Juuri sepä olikin linnustajan tarkoitus. Hän poimii huolettomasti
ensin kaikki jääneet kokoon, ja lähtee sitten verkkojansa kokemaan.
Niistä hän löytää useimmat poikuuden onnettomista pakolaisista,
kaula puuttuneena silmukoihin. Tuskin on yksi tai kaksi päässyt
pakoon.
Eerik Fagerholm on tullut kotiin tupahansa. Ilta-aurinko paistaa
ikkunoista sisään lattialle, takalle sekä, kaksin kerroksin kohoavalle,
seinässä kiinni olevalle, pumpuli-uutimilla varustetulle sängylle. Sen
alla seisoo arkku, joka talon harvoja kalleuksia talleltaa ja vieressä
juurivasu villakerää sekä muuta pientä varten. Likellä ikkunaa riippuu
kivipiirros — muotokuva — mustissa kansissa. Silmämme kaipaa
noita tavallisia kirjavia nimipäivä-onnentoivotuksia: ne koristavat
luultavasti toista seinää, joka ei tässä näy, vastapäätä sänkyä.
Työkaluin puute ei todista kovin suurta taitoa kotiteollisuudessa.

Karoliina emäntä, vielä verevä, vaikka jo kolmansilla kymmenillä,
paitahihasillaan ja viiruhameessa, pumpuli-liina päässä, on täydessä
nuotan paikkaamisen toimessa; hänellä on yksi kappale edessään;
muut — niin monta kuin talon osaksi tulee — ovat heitetyt tuolille.
Tästä työstä sanoo tuttu arvoitus: hakee mitä ei soisi löytävänsä,
nimittäin reikiä. Emännän vieressä seisoo rasiallinen nuottarihmaa ja
pieni saavi eli korvo. Emäntä on ahkera nainen, hän ei tahdo istua
kädet ristissä, sillä aikaa kuin perunat eli potaatit kiehuu.
Tällä hetkellä astuu mies sisään ja näyttää aika hahkaa, jonka
pehmoiset untuvat kenties ovat aiotut emännän omaan pään-
alaiseen. Eerik on roteva mies, noin 40 vuotta ijältään, sinisessä
tröijyssä, harmaissa housuissa, pitkävartisissa, hyvin rasvatuissa,
vettä päästämättömissä saappaissa. Hänellä ei ole tapana hätäillä
merimies-hatun päästään ostamisessa. Emäntä vaihettelee hänen
kanssaan pari sanaa, työstään lakkaamatta. Sitä enemmän on lasten
uteliaisuus hereillä. Kymmenvuotisella Eemil'illä on ollut se onni että
sai seurata isän kanssa; hän on nyt jo ennen kiirehtinyt kotiin,
tuoden kimpun tapettuja lintuja, jonka on viskannut lattialle, ja
kaikki ne urhotyöt aikaan-saaneen pyssyn on hän asettanut tuolin
nojalle. Eemil hiukan ylpeilee. Lakki niskassa, nostaa hän pari lintua
maasta ja kertoelee ihmettelevälle siskollensa, viidenvuotiselle
Edlalle, retken eriskummallisista tapauksista. Edla kädellään silittelee
linnun pehmeitä höyheniä, ja hänen hellempi sydämensä pikemmin
soisi että lintuset vielä olisivat hengissä. Mutta Eemil vakuuttaa että
ainoasti kuolleita lintuja voi höyhentää ja paistaa, ei eläviä. Tähän
selitykseen Edla tyytyy ja pyytää jo ennalta luvan saada muutamat
kaikkein koreimmista sulkasista.
Itse kuva, nuoren taideniekan tekemä, on täynnä elämää ja
totuutta. Kun Eerik Fagerholm jo aikaa sitten on laskenut pyssyn

vanhuudesta rauentuneesta kädestään, kun hänen vaimonsa
Karoliina on jo aikaa sitten lakannut näkemästä nuotan repiämiä,
niin, kun Eemil ja Edlakin jo aika-ihmisinä ja vanhuksina ovat
soutaneet Uudenmaan rantoja — on tämä kuva yhä vielä säilyttävä
muiston tästä ihanasta Elokuu-illasta, jolloin lintumies saaliinensa tuli
kotiin vesiltä.
36. Mikkelin kaupunki.
(J. Knutson.)
Neljännellätoista vuosisadalla ei ollut Savossa enempää kuin yksi
ainoa kirkko, ja sitä sanottiin Suur-Savon eli S:t Mikaelin kirkoksi.
Saimaan viljavat ja kalaiset rannat olivat jo silloin tiheään asutut,
uusia kirkkoja rakennettiin yks toisensa perästä, mutta maakauppa
kulki yhä vielä kolmen salmen, Väätämänsalmen, Vuolteensalmen ja
Siikasalmen kautta tuohon vanhaan keskuskohtaan. Mikkelin
kirkonkylään asetettiin 1743 vuoden rauhan perästä postikonttori
sekä raja-tullikammari. Ruotsin hallituksella oli jo silloin aikomus
perustaa tähän kaupunkia, mutta tämä aikomus toteutui vasta
meidän aikana, jolloin kirjoituksella Maalisk. 7:ltä p:ltä 1838 Mikkelin
kaupunki perustettiin Olkkalan ja Maunusalon talojen maalle, syvän
Saimaasta maahan tunkeuvan salmen rannalle.
Mikkeli on siis nuorimpia kaupungeita Suomessa. Sen alku oli
nöyrä. Se oli varakas kylä, joka oli saanut ylimaan kaupungin
oikeudet ja kaupitteli hevosia, pellavia, viljaa sekä voita
markkinoillaan, jotka olivat suurimmat koko Suomessa, Kuopion
markkinain perästä. Mutta 1843 muutettiin tänne kuvernöörin asunto

Welcome to our website – the perfect destination for book lovers and
knowledge seekers. We believe that every book holds a new world,
offering opportunities for learning, discovery, and personal growth.
That’s why we are dedicated to bringing you a diverse collection of
books, ranging from classic literature and specialized publications to
self-development guides and children's books.
More than just a book-buying platform, we strive to be a bridge
connecting you with timeless cultural and intellectual values. With an
elegant, user-friendly interface and a smart search system, you can
quickly find the books that best suit your interests. Additionally,
our special promotions and home delivery services help you save time
and fully enjoy the joy of reading.
Join us on a journey of knowledge exploration, passion nurturing, and
personal growth every day!
ebookmasss.com

Applied Longitudinal Analysis 2nd Edition

About This Presentation

Slide Content

Tags

Categories

Download

Quick Actions

Statistics

Related Slideshows

Applied Longitudinal Analysis 2nd Edition

About This Presentation

Slide Content

Slide 1

Slide 2

Slide 3

Slide 5

Slide 6

Slide 7

Slide 8

Slide 9

Slide 10

Slide 11

Slide 12

Slide 13

Slide 14

Slide 15

Slide 16

Slide 17

Slide 18

Slide 19

Slide 20

Slide 21

Slide 22

Slide 23

Slide 24

Slide 25

Slide 26

Slide 27

Slide 28

Slide 29

Slide 30

Slide 31

Slide 32

Slide 33

Slide 34

Slide 35

Slide 36

Slide 37

Slide 38

Slide 39

Slide 40

Slide 41

Slide 42

Slide 43

Slide 44

Slide 45

Slide 46

Slide 47

Slide 48

Slide 49

Slide 50

Slide 51

Slide 52

Slide 53

Slide 54

Slide 55

Slide 56

Slide 57

Slide 58

Slide 59

Slide 60

Slide 61

Slide 62

Slide 63

Slide 64

Tags

Categories

Download

Quick Actions

Statistics

Related Slideshows

TLE-9-Prepare-Salad-and-Dressing.pptxkkk

LESSON 1 ABOUT MEDIA AND INFORMATION.pptx

GRADE-8-AQUACULTURE-WEEKQ1.pdfdfawgwyrsewru

Feelings PP Game FOR CHILDREN IN ELEMENTARY SCHOOL.pptx

Jeopardy_Figures_of_Speech_Template.pptx [Autosaved].pptx

Jeopardy_Figures_of_Speech.pptxvdsvdsvsdvsd