生育率预测中的协同效应：通过模型平均提升预测精度

生育率预测的精度一直颇具挑战性，值得重新审视。一种提升精度的方法是通过模型平均结合一组现有模型的优势。模型平均预测基于历史数据，利用在每一预测步长上优化预测精度的经验模型权重得出。我们首次将模型平均应用于生育率预测，使用了17个国家和6个模型的数据。比较了四种模型平均方法：频率学派方法、贝叶斯方法、模型置信集方法和等权重方法。我们计算了1至20年预测步长下各单一模型与模型平均的点预测及区间预测。我们证明了点预测平均精度提升4%–23%，区间预测提升3%–24%，且在较长预测步长下频率学派与等权重方法获益更大。以英格兰和威尔士的数据为例，展示了将模型平均用于预测至2036年的分年龄生育率。讨论了模型平均在生育率预测中的优势与进一步潜力。由于模型平均预测的精度依赖于单一模型的精度，持续需要开发更好的生育率模型以用于预测与模型平均。我们得出结论：模型平均利用现有模型系统性改进生育率预测前景可观，值得进一步研究。