多群体死亡率建模与预测：带时间加权的多元函数主成分方法
统计方法学
2024-12-30 v1 应用统计
机器学习
摘要
密切相关群体中的人类死亡模式与轨迹很可能相互关联并具有相似性。在考虑其异质性的同时对其联合建模始终是值得追求的。本文引入两个新模型，基于多元函数主成分分析技术的改进，用于多子群体的联合死亡率建模与预测。第一个模型将独立函数数据模型扩展到多群体建模设定。在第二个模型中，我们提出一种新颖的多元函数主成分方法用于相干建模。其设计主要实现了如下理念：当若干子群体具有相似的社会经济条件或共同生物学特征时，此类紧密联系预期以非发散的方式演化。我们使用分性别死亡率数据演示了所提方法。通过与十个发达国家死亡率数据比较，将其预测表现与若干现有模型（包括独立函数数据模型与 Product-Ratio 模型）进一步对比。实验结果表明，第一个 proposed 模型保持了与现有方法可比的预测能力。相比之下，第二个 proposed 模型除了若干理想性质外，在预测精度上优于第一个模型及现有模型。
引用
@article{arxiv.2102.09612,
title = {Multipopulation mortality modelling and forecasting: The multivariate functional principal component with time weightings approaches},
author = {Ka Kin Lam and Bo Wang},
journal= {arXiv preprint arXiv:2102.09612},
year = {2024}
}