多人口Lee-Carter随机死亡率模型比较与中国应用

发布时间：2021-06-24 22:50

　　文章梳理了多人口Lee-Carter随机死亡率模型进展与求解中存在的问题,推导了基于限制条件的两阶段加权最小二乘参数估计方法,并将中国大陆地区、香港特别行政区和台湾地区组成一个多人口群体,检验多人口随机死亡率模型在中国的适用情况。研究结果显示:（1）从估计方法看,基于限制条件的两阶段加权最小二乘估计法,能够有效避免多人口死亡率模型参数过多导致的极大似然估计方法失效的问题,并且方法简单、易于操作;（2）从拟合优度看,中国大陆地区人口死亡率短期预测适用Joint-k模型、长期预测适用ACF（0）模型,而香港和台湾地区无论长、短期均适用ACF（0）模型;（3）从稳健性看,多人口死亡率模型在中国人口死亡率拟合中稳健性较好,且基于修匀后数据的模型应用,能够显著提升拟合优度;（4）从预测结果看,带有附加时间效应因子的多人口随机死亡率模型能够得到一致的死亡率预测值,结果更加符合人类死亡率变动的经验特征,弥补了单人口死亡率模型的缺陷。 

【文章来源】：中国人口科学. 2020,(02)北大核心CSSCI

【文章页数】：17 页

【部分图文】：

α（x,i）估计结果

共同年龄效应因子估计结果

图2 共同年龄效应因子估计结果图3为ACF(0）模型的附加年龄效应因子β（x,i）估计值，图3中的附加年龄效应因子估计值曲线比B(x）和β（x）因子波动大，且在更多年龄上出现负值。对比3个人口群体，台湾地区估计值曲线较为平缓，与共同因子曲线趋势较为接近，其原因是台湾地区人口死亡率数值介于中国大陆地区和香港地区之间，与平均趋势更为接近。中国大陆地区和香港地区的附加年龄效应因子估计值则围绕共同趋势上下波动，其中16岁以下年龄组波动较大，随年龄增长波动程度逐渐降低，但80岁以上年龄组趋势再次出现分化。附加年龄效应因子是对共同年龄效应因子趋势的补充，波动较大并出现负值体现出年龄间的更多差异，也是多人口随机死亡率模型中展现单个人群差异的重要指标。此外，Joint-k模型也具有附加年龄效应因子估计值，由于其变动趋势特征与ACF(0）模型相似，本文不再展示其结果。

【参考文献】：
期刊论文
[1]利用DCMD模型生命表系统对“六普”数据中死亡漏报的估计[J]. 李成,米红,孙凌雪.  人口研究. 2018(02)
[2]中国人口死亡率非参数二维修匀的模型比较与实证[J]. 赵明.  保险研究. 2017(05)
[3]基于Age-Shifting模型的我国高龄人口死亡率动态拟合[J]. 赵明.  保险研究. 2017(01)
[4]1990年以来中国人口寿命水平和死亡模式的再估计[J]. 王金营.  人口研究. 2013(04)
[5]“六普”报告的婴儿死亡率误差和实际水平的估计[J]. 黄荣清,曾宪新.  人口研究. 2013(02)
[6]六普结果表明以往人口估计和预测严重失误[J]. 郭志刚.  中国人口科学. 2011(06)
[7]Lee-Carter死亡率模型的估计与应用——基于中国人口数据的分析[J]. 李志生,刘恒甲.  中国人口科学. 2010(03)
[8]80年代中国人口死亡水平和模式的变动分析──兼论对1990年人口普查死亡水平的调整[J]. 李树茁.  人口研究. 1994(02)
[9]中国第四次人口普查全国及部分省区死亡漏报研究[J]. 孙福滨,李树茁,李南.  中国人口科学. 1993(02)



本文编号：3247968