死亡模型选择的统一贝叶斯框架
统计方法学
2025-10-22 v1 应用统计
摘要
近年来，提出了各种死亡模型以解决影响死亡率的多种因素，这凸显了进行模型选择的必要性。传统死亡模型选择方法，如 AIC 和 BIC，通常需要独立拟合多个模型并基于这些准则对其进行排序。这一过程可能无法考虑模型选择的不确定性，从而导致过于乐观的预测区间，并忽视了组合模型潜在见解的作用。为此，我们提出一种新型贝叶斯模型选择框架，将模型选择和参数估计整合到同一过程中。这需要创建一个模型构建框架，通过为每个术语选择不同的参数形式来产生不同模型。使用可逆跳跃马尔可夫链蒜度采样算法进行推断，该算法设计用于允许不同维度模型之间的转换，正是本文所考虑的模型所需。我们为按年龄和年期分层的数据以及按年龄、年期和产品分层的数据开发建模框架。我们在两个案例研究中呈现结果。
引用
@article{arxiv.2411.19176,
title = {A Unified Bayesian Framework for Mortality Model Selection},
author = {Alex Diana and Jackie Wong Siaw Tze and Aniketh Pittea},
journal= {arXiv preprint arXiv:2411.19176},
year = {2025}
}