Assessing Excess Mortality in Times of Pandemics Based on Principal Component Analysis of Weekly Mortality Data -- The Case of COVID-19
当前COVID-19的爆发再次引起了对可靠统计分析的关注,以监测死亡率模式和趋势。超额死亡率被认为是衡量这一流行病对死亡率造成的总体负担的最适当指标。因此,于COVID-19疫情爆发的首个月,超额死亡率备受关注。以往估计超额死亡率的方法有些局限,因为它们没有充分考虑长期趋势、不同人口和地理群体之间的相关性以及死亡率时间序列中的自相关性。这可能导致对超额死亡率的有偏估计,因为随机死亡率波动可能被误解为超额死亡率。我们提出了一个混合的经典流行病学方法来估计额外的死亡率在非常事件与既定的人口统计方法在死亡率预测,即李卡特型模型,它涵盖了命名的限制,并绘制了一个更现实的画面,超额死亡率。我们使用19个国家的每周年龄和性别特异性死亡率数据以及当前的COVID-19大流行作为案例研究来说明我们的方法。我们提出的模型提供了一个总体框架,可应用于未来的流行病,以及监测特定死亡原因的超额死亡率。
2020-10-10 stat.AP
Mortality Forecasting as a Flow Field in Tucker Decomposition Space
The Ohio State University(俄亥俄州立大学)
本文提出利用Tucker分解空间中的流场进行死亡率预测,通过低维分数空间整合,减少预测偏差,优于传统方法。
2026-04-13 stat.ME
Probabilistic Mortality Forecasting with Varying Age-Specific Survival Improvements
我们提出了一个概率死亡率预测模型,可以应用于预测人口的定期和不定期的死亡率的发展。我们的模型(1)使用死亡率改善率来模拟死亡率变化的动态年龄模式,并且它可以(2)可选地将感兴趣国家的死亡率趋势与至少一个参考国家的死亡率趋势进行补充。1991年至2011年英国和丹麦妇女的回顾性死亡率预测表明,我们的模型可以产生比其他广泛接受的方法,如李-卡特模型或联合国贝叶斯方法更小的预测误差。
2014-01-13 stat.AP
Grouped functional time series forecasting: An application to age-specific mortality rates
特定人群的死亡率往往按不同属性分列,如性别、州和族裔。在国家和国家以下各级预测年龄别死亡率在制定社会政策方面发挥着重要作用。然而,国家以下一级的独立预测可能与国家一级的预测不一致。为了解决这一问题,我们考虑协调年龄别死亡率的预测,将Hyndman等人(2011)的方法扩展到功能时间序列,其中年龄被视为连续体。分组功能时间序列方法被用来产生死亡率的点预测,这些预测是在不同的分解因子之间适当地汇总的。为了评估预测的不确定性,我们提出了一个自助方法来协调区间预测。使用日本死亡率数据库中的日本各地区年龄别死亡率,我们研究了独立和分组功能时间序列预测方法之间的1 - 10步提前点和区间预测精度。所提出的方法被证明是有用的,在国家和次国家一级的年龄别死亡率的预测调和。他们还享有不同的分解因素平均预测精度提高。这篇文章的补充材料可在网上查阅。
2016-09-14 stat.AP
Retiree mortality forecasting: A partial age-range or a full age-range model?
年金定价的一个重要输入是未来退休人员的死亡率。根据观察到的年龄别死亡率数据,可以通过两种途径进行建模和预测。一方面,我们可以首先将可用数据截断为退休人员年龄,然后基于部分年龄范围模型生成死亡率预测。另一方面,在所有可用数据的情况下,我们可以首先应用全年龄范围模型进行预测,然后将死亡率预测截断为退休人员年龄。我们使用人类死亡率数据库(2020年)中主要发达国家的数据,研究了部分年龄范围模型和全年龄范围模型之间中心死亡率对数转换建模的差异。通过评估和比较短期点和区间预测准确度,我们推荐第一种策略,即将所有可用数据截断为退休人员年龄,然后生成死亡率预测。然而,在考虑长期预测时,不清楚哪种策略更好,因为更难找到最佳模型和参数。这是使用基于时间序列外推法进行长期预测的一个缺点。相反,可以考虑采用一种期望方法,由专家确定未来的目标,并指出这种方法在过去也取得了有限的成功。
2020-06-25 stat.AP
Mortality Forecasting with Generalized Additive Mixed Models
Masaryk University(马萨里克大学)
本研究提出引入协变量$k_t$的新型广义加性混合模型(GAMM)用于死亡率建模预测,经HMD数据验证其拟合与预测效果均优于LL模型,可作为可靠的人口预测工具。
2025-11-16 stat.AP
Reconciling forecasts of infant mortality rates at national and sub-national levels: Grouped time-series methods
死亡率往往按性别、州、教育、宗教或族裔等不同属性分列。预测国家和国家以下各级的死亡率在制定与国家和国家以下各级有关的社会政策方面发挥着重要作用。然而,国家以下各级的基本预测可能与国家一级的预测不一致。为了解决这个问题,我们从分组时间序列预测方法的角度考虑了协调死亡率预测的问题(Hyndman等人,2011年)。一个自下而上的方法和最佳组合方法被应用到生产点预测的婴儿死亡率,适当地聚集在不同层次的层次结构。我们扩展这两种方法,考虑通过自助程序的区间预测的和解。以澳大利亚地区婴儿死亡率为例,研究了独立预测方法和两种分组时间序列预测方法的一步到20步预测精度和区间预测精度。所提出的方法被证明是有用的调和点和区间预测的人口率在国家和国家以下各级,并将有利于政府的政策决定,在国家和国家以下各级的当前和未来的资源分配。
2016-08-31 stat.AP
A penalized distributed lag non-linear Lee-Carter framework for regional weekly mortality forecasting
Research Centre for Longevity Risk (RCLR), Faculty of Economics and Business, University of Amsterdam(阿姆斯特丹大学经济与商业学院长寿风险研究中心);Institute of Statistics, Biostatistics and Actuarial Science (ISBA), Louvain Institute of Data Analysis and Modeling (LIDAM), UCLouvain(天主教鲁汶大学统计、生物统计与精算科学研究所/卢旺数据分析与建模研究所)
本文提出了一种扩展Lee-Carter模型的框架,通过年龄和地区特定的季节效应和惩罚分布式滞后非线性组件,捕捉热量、寒冷和流感对死亡率的延迟和非线性影响,以提高周死亡率预测的准确性。
2026-05-21 stat.AP
Accounting for Smoking in Forecasting Mortality and Life Expectancy
吸烟是上个世纪影响人类死亡率和预期寿命的主要危险因素之一。吸烟在很大程度上造成了预期寿命增长的非线性以及死亡率的地理和性别差异。正如Bongaarts(2006)和Janssen(2018)所建议的那样,由于吸烟流行的可预测性,考虑吸烟可以提高死亡率预测的质量。我们提出了一个新的贝叶斯层次模型来预测出生时的预期寿命为男性和69个国家的吸烟相关死亡率的良好数据。其主要思想是将出生时的非吸烟预期寿命预测(即,(2)将出生时的预期寿命(去除吸烟影响)转化为通过使用特定年龄吸烟归因分数(ASSAF)预测的预期寿命。我们引入了一个新的年龄队列模型的ASSAF和贝叶斯分层模型的非吸烟预期寿命在出生时。与其他四种常用的预期寿命预测方法相比,所提出的方法的预测性能进行评估的样本外验证。观测结果表明,新方法在预报精度和模型校正方面都有所提高。
2019-10-27 stat.AP
Bayesian forecasting of mortality rates using latent Gaussian models
我们使用两种不同的方法来预测死亡率。首先,我们采用基于Heligman-Pollard公式的动态非线性Logistic模型。其次,我们假设死亡率的动态可以通过高斯马尔可夫随机场建模。我们使用有效的贝叶斯方法来估计所提出的模型的参数和潜在的状态。这两种方法都用过去的数据进行了测试,并用于预测未来21年内大型(英国和威尔士)和小型(新西兰)人口的死亡率。我们证明,可以很容易地获得对个人幸存者函数的预测以及人口统计和精算兴趣的其他后验总结。我们的结果与其他竞争的预测方法进行了比较。
2018-05-30 stat.AP
Grouped multivariate and functional time series forecasting: An application to annuity pricing
特定人群的死亡率往往按不同属性分列,如性别、州、族裔群体和社会经济地位。在国家和国家以下各级制定社会政策和年金定价时,不仅要准确预测死亡率,而且要确保国家以下各级的预测与国家一级的预测相一致。这激发了分组功能时间序列方法(Shang和Hyndman,2017)的最新发展,以协调特定年龄的死亡率预测。我们将这些分组功能时间序列预测方法扩展到多变量时间序列,并将其应用于老年人死亡率的点预测,从中可以为不同年龄和到期日的固定期限年金定价。使用日本死亡率数据库中的日本各地区年龄别死亡率,我们研究了独立预测方法和分组预测方法之间的一步到15步预测精度。分组的预测方法不仅是有用的,在国家和国家以下各级的年龄别死亡率的预测进行协调,但它们也被证明可以提高预测的准确性。提高死亡率的预测准确性对于保险和养老金行业估计年金价格非常重要,特别是在人口亚组的水平上,由性别,地区和社会经济分组等关键因素定义。
2017-05-22 stat.AP
Projecting UK Mortality using Bayesian Generalised Additive Models
死亡率预测提供了关于未来人口的重要信息,对养老金和医疗保健政策以及私营公司关于人寿保险和年金定价的决策具有影响。随机死亡率预测允许在做出政策决定和设定产品价格时考虑死亡率预测的不确定性。寿命的延长意味着90岁及以上的死亡率预测在这种计算中将变得更加重要。本文提出了一种贝叶斯方法来预测死亡率,联合估计一个广义加性模型(GAM)的死亡率为大多数的年龄范围和参数模型的老年人的数据稀疏。GAM允许估计年龄、队列和年龄特异性改善率的平滑分量,以及非平滑期效应。对联合王国的预测是利用人类死亡率数据库1961-2013年期间的数据编制的。一个度量,近似预测准确度下留一交叉验证被用来估计权重的“堆叠”的预测与GAM和参数元素之间的不同点的过渡。男性和女性的死亡率分别估计在第一,但联合模型允许的渐近极限的死亡率在老年之间的性别共享,并进一步提供了预测会计期间创新的相关性。将使用1961-2003年数据估计的联合和单一性别模型预测与2004-2013年的观测数据进行比较,以便于模型评估。
2018-02-09 stat.AP
Enhancing Mortality Forecasting with Ensemble Learning: A Shapley-Based Approach
University of Salerno(萨莱诺大学);University of Newcastle(纽卡斯尔大学);Macquarie University(麦考瑞大学)
本文提出基于Shapley值的集成方法,通过年龄分层权重和阈值机制提升死亡率预测的准确性和可解释性。
2026-03-04 stat.AP
Compositional data analysis for modelling and forecasting mortality using the α-transformation
Institute of Mathematical Sciences, Faculty of Science, Universiti Malaya(马来亚大学理学院数学科学研究所);Universiti Malaya Centre for Data Analytics, Universiti Malaya(马来亚大学数据分析中心);Center of Research for Statistical Modelling and Methodology, Faculty of Science, Universiti Malaya(马来亚大学理学院统计建模与方法研究中心)
本文提出基于α变换的非功能性CoDA模型,用于改进死亡率预测,证明其在多数情况下与CLR变换相当,并在部分情况下提升预测准确性。
2026-02-23 stat.AP
A Comparison of Aggregation Methods for Probabilistic Forecasts of COVID-19 Mortality in the United States
2019冠状病毒病大流行将预测模型置于卫生政策制定的前沿。死亡率和住院率的预测有助于政府应对规划和资源分配的挑战。在本文中,我们考虑了美国国家和州一级COVID-19累积死亡率的每周预测。最优决策需要预测概率分布,而不仅仅是单点预测。间隔预测也很重要,因为它们可以支持决策并提供态势感知。我们考虑的情况下,概率预测已经提供了多个预测团队,我们汇总的预测,以提取群众的智慧。只有有限的信息,关于预测团队的历史准确性,我们认为聚合(即组合)的方法,不依赖于过去的准确性记录。在这篇实证论文中,我们评估了以前提出的用于区间预测和概率分布预测的聚合方法的准确性。这些方法包括使用简单平均、中位数和修整方法,这些方法可以实现稳健估计,并允许聚合预测减少预测团队信心不足或过度自信的趋势的影响。我们使用COVID-19 Forecast Hub公开提供的数据。虽然简单平均值在高死亡率系列中表现良好,但我们在低和中等死亡率系列中使用中位数和某些修剪方法获得了更高的准确性。随着大流行病的发展,这种情况是否仍然存在,这将是一个有趣的问题。
2020-08-20 stat.AP
Mortality Modeling and Forecasting with the Actuaries Climate Index
UCLouvain(鲁汶大学);Arizona State University(亚利桑那州立大学);University of Waterloo(滑铁卢大学)
提出融合 ACI 的两步死亡率建模框架及 SARIMA-Copula 方法,证明气候变量可系统性提升样本外预测精度。
2025-10-17 stat.AP
Learning and forecasting of age-specific period mortality via B-spline processes with locally-adaptive dynamic coefficients
本文提出一种具有局部自适应动态系数的B样条过程,通过Poisson对数正态模型和高斯状态空间近似实现年龄别死亡率的可解释建模与闭式Kalman预测,在点预测和区间校准上优于现有方法,并揭示了不同国家和年龄在历史时期及COVID-19期间的死亡率差异。
2024-01-12 stat.AP
Model confidence sets and forecast combination: An application to age-specific mortality
模型平均结合了从一系列模型中获得的预测,它通常比单一模型的预测更准确。使用模型平均提高预测精度的关键部分在于从有限样本中确定最佳权重。如果选择的权重不是最优的,这可能会影响模型平均预测的准确性。我们没有选择最佳权重,而是考虑在对所选优秀模型的预测进行平均之前修剪一组模型。受Hansen、Lunde和Nason(2011)的启发,我们在结合死亡率预测时应用并评估了模型置信集程序。提出的模型平均程序是由Samuels和Sekkel(2017)基于Hansen等人提出的模型置信集的概念提出的。(2011)结合了预测性能的统计显著性。随着模型置信水平的增加,优良模型的集合通常减少。建议的模型平均程序证明通过国家和次国家的日本死亡率为60至100+之间的退休年龄。以60岁至100岁以上的日本国家和次国家死亡率为例,建议的模型平均程序给出了最小的区间预测误差,尤其是男性。我们发现,稳健的外样本点和区间预测可以从修剪方法。鲁棒性是指对模型误设定的鲁棒性。
2018-09-28 stat.AP
Estimating and Forecasting the Smoking-Attributable Mortality Fraction for Both Genders Jointly in Over 60 Countries
吸烟是对人类健康的可预防的威胁之一,是肺癌、上呼吸消化道癌和慢性阻塞性肺病的主要危险因素。估计和预测死亡率的吸烟归因分数(SAF)可以深入了解吸烟流行情况,也为更准确的死亡率和预期寿命预测提供了依据。Peto等人(1992年)提出了一种方法,使用肺癌死亡率作为目标人群吸烟暴露的指标来估计SAF。在这里,我们使用相同的方法来估计60多个国家的所有年龄段的SAF(ASAF)。我们记录了一个强大的和跨国一致的模式,随着时间的推移,SAF的演变。我们以此为基础,一个新的贝叶斯层次模型,以项目未来的男性和女性ASAF从60多个国家同时。这给出了预测以及预测分布,可用于为任何感兴趣的量找到不确定性区间。我们使用样本外预测验证评估模型,发现它提供了良好的预测和校准的预测区间。
2019-10-27 stat.AP
Modelling and short-term forecasting of seasonal mortality
本文比较三种 Serfling-Poisson 季节性死亡率模型,发现趋势非参数、季节性参数的 SP-STFS 结合 P-splines 在25个欧洲国家的月度数据中预测最准确,并可用于 COVID-19 超额死亡评估。
2025-02-15 stat.AP
Mortality Forecasting using Variational Inference
本文针对死亡率预测中传统模型两步估计或使用繁琐的问题,提出基于变分推断和 Pyro 的一步估计方法,在瑞典数据上取得优于流行模型的预测性能。
2023-05-25 stat.AP
Deepening Lee-Carter for longevity projections with uncertainty estimation
毫无疑问,世界上有几个国家的预期寿命持续增长,这给寿命精算师和人口统计学家预测死亡率带来了挑战。虽然在过去的文献中已经提出了一些随机死亡率模型,死亡率预测的研究仍然是一个至关重要的任务。最近,各种研究工作鼓励深度学习模型在死亡率数据中推断合适的模式。这种学习模型允许实现准确的点预测,尽管也需要不确定性措施来支持模型估计的可靠性和风险评估。据我们所知,死亡率预测中的机器和深度学习文献缺乏关于不确定性估计的研究。作为死亡率预测的新进展,我们在Lee-Carter框架内形式化了深度神经网络集成,在深度学习和死亡率密度预测之间架起了第一座桥梁。我们在一个数值应用程序中测试了我们的模型建议,考虑了全球三个有代表性的国家和两种性别,仔细检查了两个不同的拟合期。利用预测的生物合理性和可行性以及性能指标的意义,我们的研究结果证实了深度学习模型对提高Lee-Carter模型预测能力的适用性,从长远来看也提供了更可靠的死亡率边界。
2021-03-18 stat.AP
Dynamic modeling of mortality via mixtures of skewed distribution functions
人们对预测死亡率越来越感兴趣。在这篇文章中,我们提出了一种新的动态贝叶斯方法建模和预测的死亡年龄分布,专注于一个狄拉克质量,高斯分布和斜正态分布的三个组成部分的混合物。根据指定的模型,死亡年龄分布的特征是通过与婴儿、成人和老年死亡率的主要方面相对应的七个参数来确定的。所提出的方法侧重于多个国家的连贯建模,并遵循贝叶斯方法进行推理,我们允许跨人群借用信息,并将参数缩小到一个共同的平均水平,隐含地惩罚不同的场景。跨年度的动态建模是通过一个层次的动态先验分布,可以描述每个死亡率组成部分的时间演变,并预测死亡年龄分布。多个国家的实证结果表明,所提出的方法优于流行的方法预测死亡率,提供了可解释的见解的死亡率的演变。
2021-12-17 stat.AP
Forecasting Australian subnational age-specific mortality rates
在对次国家死亡率进行建模时,重要的是要纳入次人口之间任何可能的相关性,以提高预测准确性。此外,国家以下一级的预测应与国家一级的预测一致。在这项研究中,我们应用分组多元函数时间序列来预测澳大利亚区域和远程年龄特定的死亡率和调和预测组结构使用各种方法。我们所提出的方法相比,毫不逊色于一个分组的单变量功能时间序列预测方法,通过比较一步,五步提前点预测精度。因此,我们证明了具有相似死亡率模式的子群体的联合建模可以提高点预测的准确性。
2020-07-07 stat.AP stat.ME
Mortality rate forecasting: can recurrent neural networks beat the Lee-Carter model?
本文将长短期记忆递归神经网络应用于死亡率预测。该模型可以根据不同国家、年龄和性别的死亡率历史进行联合训练。基于RNN的方法似乎优于流行的Lee-Carter模型。
2019-10-17 q-fin.RM stat.AP stat.ML
Bayesian model averaging for mortality forecasting using leave-future-out validation
预测死亡率的演变对人寿保险和养老基金起着核心作用。各种随机框架已经被开发出来,以模拟死亡率模式,并考虑到驱动这些模式的主要程式化因素。然而,依赖于一个特定的模型的预测可能会受到太多的限制,并导致一些有据可查的缺点,包括模型错误,参数不确定性和过拟合。为了解决这些问题,我们首先考虑贝叶斯负二项框架中的死亡率建模,以自然和一致的方式解释过度分散和参数估计的不确定性。模型平均技术,然后被认为是作为一个响应模型的误指定。在本文中,我们提出了两种方法的基础上留未来的验证相比,标准的贝叶斯模型平均(BMA)的基础上的边际似然。一个密集的数值研究进行了大范围的模拟设置,比较所提出的方法的性能。然后提出了一个说明,对现实生活中的死亡率数据集,其中包括一个敏感性分析,以一个Covid型的情况。总体而言,我们发现,这两种方法的基础上的样本标准优于标准的BMA方法的预测性能和鲁棒性。
2021-11-16 stat.AP
Climate-Driven Mortality Forecasting Using Deep Learning
UCLouvain(瓦隆鲁汶大学);University of Amsterdam(阿姆斯特丹大学)
提出结合Lee-Carter基线模型与CNN-LSTM或GNN-LSTM的两步框架,预测环境极端事件导致的超额死亡率,在法国区域数据上优于现有模型。
2026-06-26 stat.AP
Estimating maternal mortality using data from national civil registration vital statistics systems: A Bayesian hierarchical bivariate random walk model to estimate sensitivity and specificity of reporting
民事登记人口动态统计数据被用于编制国家孕产妇死亡率估计数,但由于对孕产妇死亡的错误分类,这些数据往往存在重大报告错误。可以通过比较基于民事登记和人口动态统计系统的孕产妇和非孕产妇死亡人数与从专门研究中获得的人数来评估民事登记和人口动态统计系统的准确性,专门研究是对特定国家时期孕产妇死亡率的严格评估。我们开发了贝叶斯双变量随机游动模型,以估计CRVS数据中孕产妇死亡率报告的敏感性和特异性,以及相关的CRVS调整因子。该模型适用于民事登记和人口动态统计的全球数据集和专门研究数据。验证工作表明,该模型在预测没有专门研究的国家时期基于CRVS的孕产妇死亡比例方面表现良好。联合国孕产妇死亡率机构间小组在使用民事登记和人口动态统计数据估计孕产妇死亡率时使用了新模型来解释错误分类错误。
2019-09-18 stat.AP
Forecasting Mortality Rates: A Linear Mixed-Effects Model
Masaryk University(马萨里克大学)
本文提出用于单/多人群分年龄死亡率建模预测的线性混合效应模型,经HMD数据验证,其拟合精度、校准鲁棒性及预测表现均优于经典LC、LL模型。
2025-11-16 stat.AP
A Compositional Approach to Modelling Cause-specific Mortality with Zero Counts
The Australian National University(澳大利亚国立大学);Macquarie University(麦考瑞大学)
针对死因别死亡计数中的零值问题,提出采用α-变换的CODA建模方法,并在英格兰、威尔士和美国数据上验证其预测精度优于对数比率变换。
2025-10-17 stat.AP
Mortality Models Ensemble via Shapley Value
Department of Economics and Statistics University of Salerno(萨莱诺大学经济与统计系);Department of Actuarial Studies and Business Analytics Macquarie University(麦考瑞大学精算研究与商业分析系);School of Information and Physical Sciences University of Newcastle(纽卡斯尔大学信息与物理科学学院)
本研究提出基于Shapley值的博弈论方法选择模型平均权重,以提升死亡率预测准确性,并阐明各模型对集成预测的贡献。
2025-10-27 stat.AP
Forecasting high-dimensional functional time series: Application to sub-national age-specific mortality
研究高维函数时间序列的建模与预测,通过双向函数方差分析将其分解为确定性和残差成分,并利用函数主成分分析预测残差成分,结合两者实现多人口预测,在多人口死亡率预测中优于多种基准方法。
2024-02-13 stat.AP stat.ME
A Hierarchical Multilevel Inference Framework for Structural Cardiovascular Risk Modeling: County-Scale Analysis of Cardiovascular Mortality in Ohio and Pennsylvania (1999-2020)
Howard University(霍华德大学);UC Riverside(加州大学河滨分校);California Institute of Technology(加州理工学院);Dalian University of Technology(大连理工大学)
研究利用整合多种模型的分层多级推理框架,对俄亥俄州和宾夕法尼亚州县级心血管死亡率数据进行分析,分离人口与结构效应,揭示风险互补观点,还为结构嵌套卫生系统引入可推广框架,为多领域研究提供基础。
2026-07-09 stat.AP
Forecast reconciliation meets compositional data analysis: A study of Italian cause-specific age-at-death
University of Foggia(福贾大学);Sapienza University of Rome(罗马智慧大学);University of Campania ”Luigi Vanvitelli”(坎帕尼亚路易吉·凡维特利大学);Macquarie University(麦考瑞大学)
本研究将成分数据分析整合到分层时间序列预测中,提出新框架用于意大利死因别死亡率预测,确保聚合一致性并显著提升预测可靠性,尤其在总死亡率及按死因和性别的预测中表现优于传统方法。
2026-09-17 stat.AP stat.ME
Forecasting sub-population mortality using credibility theory
Stockholm University(斯德哥尔摩大学);University of Copenhagen(哥本哈根大学)
本文提出利用可信理论预测小规模子人口死亡率,通过结合超人口和子人口的预期死亡率,提供一种在预测精度和稳定性之间平衡的方法。
2026-04-21 stat.AP stat.ME
Global Estimation of Neonatal Mortality using a Bayesian Hierarchical Splines Regression Model
近年来,监测儿童死亡率的重点主要是评估五岁以下儿童死亡率的变化。然而,随着五岁以下幼儿死亡率的下降,新生儿死亡率(第一个月内)的比例趋于上升,因此,除了五岁以下幼儿死亡率之外,还需要加强监测这一指标的努力。贝叶斯样条回归模型估计新生儿死亡率(NMR)的所有国家。在该模型中,对死亡率和五岁以下儿童死亡率之间的关系进行了评估,并用于提供估计数,而样条回归模型则用于掌握具体国家的趋势。因此,由此产生的死亡率估计数纳入了总体儿童死亡率的趋势,同时也捕捉了数据驱动的趋势。该模型使用联合国儿童死亡率估算机构间小组的数据库,对195个国家进行了拟合,产生了从1990年到2015年的估计数,如果有数据的话,估计数可以更早。结果表明,在全球一级,五岁以下幼儿死亡率超过每1 000名活产死亡34人,五岁以下幼儿死亡率每增加1%,五岁以下幼儿死亡率与五岁以下幼儿死亡率的比率就会下降0.6%。在五岁以下幼儿死亡率为每1 000名活产死亡34人以下的情况下,五岁以下幼儿的新生儿死亡率保持在54%左右,但是,五岁以下幼儿死亡率与死亡率之间的关系因国家而异。联合国儿童死亡率估算机构间小组现已采用这一模式。
2016-12-12 stat.AP
Zero-Shot Forecasting Mortality Rates: A Global Study
University of Debrecen(德布勒恩大学)
本研究探索零样本时间序列预测在死亡率预测中的潜力,测试多种模型在不同周期下的表现,发现零样本模型效果有差异,微调及传统机器学习模型可提升表现,为该领域模型选择与适配提供参考。
2025-05-17 cs.LG q-fin.RM stat.AP
A spatiotemporal Bayesian hierarchical model of heat-related mortality in Catalonia, Spain (2012--2022): The role of environmental and socioeconomic modifiers
University of Girona(赫罗纳大学);Universitat de Vic -- Central de Catalunya (UVic-UCC)(维克大学--加泰罗尼亚中部大学)
本研究利用时空贝叶斯模型分析了加泰罗尼亚2012-2022年极端高温对死亡率的影响,发现臭氧水平和社会经济因素显著增加了死亡风险,尤其是老年人群体。
2026-10-22 stat.AP
A unified approach to mortality modelling using state-space framework: characterisation, identification, estimation and forecasting
本文探讨和发展动态死亡率模型的替代统计表示和估计方法。我们采用的框架是重新解释流行的死亡率模型,如李卡特类模型在一般的状态空间建模方法,它允许建模,估计和预测的死亡率在一个统一的框架。此外,我们提出了一种替代类的模型识别约束,这是更适合于在过滤和参数估计设置的基础上最大化的边缘化的可能性或贝叶斯推理的统计推断。然后,我们开发了一类新的贝叶斯状态空间模型,其中包括先验信念的死亡率模型的特点,以及更灵活和适当的假设有关的异方差,目前在观察到的死亡率数据。我们发现,多期和队列效应可以投下一个状态空间结构。为了研究长期死亡率的动态变化,我们引入了随机波动率的周期效应。估计由此产生的随机波动率模型的死亡率是使用最近一类的蒙特卡罗程序专门设计的状态和参数估计贝叶斯状态空间模型,被称为粒子马尔可夫链蒙特卡罗方法的类。我们说明了我们已经开发的框架,使用丹麦男性死亡率数据,并表明,将异方差和随机波动率显着提高模型拟合,尽管增加了模型的复杂性。增强模型的预测性能与长期和短期的校准周期上的生命表重建进行了检查。
2016-05-31 q-fin.ST stat.AP
Mortality Forecasting under Climate Risk: A Stochastic Approach with Distributed Lag Non-Linear Models
The University of Melbourne(墨尔本大学);LMU Munich(慕尼黑大学)
提出将分布滞后非线性模型融入随机死亡率模型,通过新回拟合算法分离气候与非气候风险,在三个欧洲区域验证了短期预测优势,并利用未来气候数据预测至2045年的死亡率变化。
2026-06-17 stat.AP stat.ME
Mortality Forecasting using Factor Models: Time-varying or Time-invariant Factor Loadings?
许多现有的死亡率模型遵循经典因子模型的框架,如Lee-Carter模型及其变体。因子模型中的潜在公共因子被定义为与时间相关的死亡率指数(如Lee-Carter模型中的$κ_t$)。因子载荷捕捉年龄变量和潜在公共因子(例如Lee-Carter模型中的$β_x$)之间的线性关系,在经典框架中假设为时不变的。这种假设在现实中通常限制性太强,因为死亡率数据集通常跨越很长一段时间。某些疾病的医疗改善、环境变化和技术进步等驱动力可能会显著影响不同变量之间的关系。在本文中,我们首先开发了一个因素模型与时变因素负荷(时变因素模型)作为一个扩展的经典因素模型的死亡率建模。针对时变因子模型,提出了两种外推因子负荷的预测方法:局部回归法和朴素法。通过实证数据分析,我们发现新的模型能够捕捉到时变因素负荷的经验特征,提高对不同时间段和不同国家的死亡率预测。此外,我们提出了一种新的方法,基于变点分析来估计短期和长期预测,这是有利于本地线性回归和天真的方法,分别之间的最佳“边界”。此外,仿真研究提供了各种情况下的时变因子模型的性能。
2021-02-03 stat.AP stat.ME
Gradient boosted multi-population mortality modelling with high-frequency data
Department of Economics, University of Melbourne(墨尔本大学经济学系)
本文提出一种将梯度提升技术融入传统随机死亡率模型的多群体方法,利用高频死亡数据提升预测精度,通过聚类分析优化子群体选择,减少数据预处理需求。
2026-05-13 stat.AP stat.ME
Forecasting drug overdose mortality by age in the United States at the national and county levels
本文提出融合CDC WONDER观测数据与年龄结构成瘾死亡模型的预测方法,在全国及洛杉矶县、库克县、纽约市五区预测分年龄药物过量死亡并估计关键流行病学指标。
2023-09-25 physics.soc-ph q-bio.PE stat.AP
Evaluation of Time Series Forecasting Models for Predicting Lung Cancer Mortality Rates in the United States: A Comparison with Altuhaifa (2023) Study
本文基于扩展至2021年的SEER数据重新评估SES、HDES和ARIMA模型预测美国肺癌死亡率的表现,发现ARIMA(0,2,2)、HDES及二者平均模型均取得最低RMSE 2.56,并预测死亡率将持续下降。
2025-08-22 stat.AP
Robust non-parametric mortality and fertility modelling and forecasting: Gaussian process regression approaches
School of Mathematics and Actuarial Science, University of Leicester(莱斯特大学数学与精算学院)
本文提出一种基于高斯过程回归的非参数方法,利用自然三次样条均值函数和谱混合协方差函数对年龄别死亡率和生育率进行建模与预测,在多个发达国家数据上相比主流方法显著提升了短期、中期和长期预测的精确性与稳健性。
2021-02-18 cs.LG stat.AP stat.ME
Clustering country-level all-cause mortality data: a review
University College Dublin(都柏林大学)
本文综述了国家层面全部原因死亡数据的聚类应用,指出聚类主要用于预测和研究收敛性与不平等,并发现东西欧分裂及聚类提升预测准确性。
2025-12-04 stat.AP
Conformal prediction for functional time series: Application to age-specific mortality rates
Macquarie University(麦考瑞大学)
针对模型不确定性,提出无模型、无分布的保形预测方法,用于构建函数型时间序列的预测区间,并通过澳大利亚年龄别死亡率数据验证其有效性。
2026-05-28 stat.AP
Random cohort effects and age groups dependency structure for mortality modelling and forecasting: Mixed-effects time-series model approach
本文提出一种考虑年龄组依赖性和随机队列效应的混合效应时间序列模型,用于死亡率建模与预测,无需预设约束即可量化参数不确定性,且在多国数据上的预测精度显著优于CBD模型。
2021-12-31 stat.AP stat.CO stat.ML
A Dirichlet-Multinomial-Poisson framework for the coherent analysis and forecast of cause-specific mortality
University of Foggia(福贾大学);Macquarie University(麦考瑞大学);UNSW Sydney(新南威尔士大学悉尼分校)
本文提出一种狄利克雷-多项式-泊松框架,用于一致分析和预测特定原因死亡率,通过建模总死亡数和各原因死亡数的随机性,提高预测准确性与一致性。
2026-03-01 stat.AP stat.ME
Advanced Techniques in Mortality Trend Estimation: Integrating Generalized Additive Models and Machine Learning to Evaluate the COVID-19 Impact
本研究利用机器学习技术改进随机死亡率模型并推广至多人口模型,发现基于APC框架的广义可加模型预测效果最佳,并在多种COVID-19情景下预测了未来死亡率趋势,为保险公司的规划和决策提供参考。
2023-11-26 stat.AP
Forecasting mortality using Google trend
本文研究了以世界第一大经济体美国为代表的发达国家的动力模型。对死亡原因的早期监测至关重要,这可以为预防登革热等重大疾病做好准备。研究报告称,一些搜索查询,特别是谷歌趋势上与疾病相关的术语是必不可少的。为此,我们使用Wiener Cascade Model对主要死因或Google Trends中的扩展或更通用的术语进行解码。利用检索词的时间序列和小波尺度图,将检索查询模式分为不同的周期性层次。结果包括解码趋势、特征重要性和解码模式的准确性。关于预测因子的三个场景包括使用所有19个特征、前十个最周期性的预测因子或具有最高权重的十个预测因子。所有检索查询均涵盖2013年12月至2018年12月。结果表明,权重较高的搜索词和具有年周期模式的搜索词对死亡词的预测贡献较大,但只有权重较高的预测词才对死亡词的预测有价值。
2019-02-01 cs.SI stat.AP
Forecasting age distribution of deaths across countries: Life expectancy and annuity valuation
Macquarie University(麦考瑞大学)
本文通过对比累积分布函数和中心对数比变换,评估了不同国家死亡概率的预测准确性,为人口统计学和精算学提供重要参考。
2026-03-18 stat.AP
Modeling and forecasting age-specific drug overdose mortality in the United States
本文提出药物成瘾的年龄结构模型,结合增强集合卡尔曼滤波(EnKF)分析1999-2020年美国过量致死数据,预测死亡率趋势并估计模型参数。
2023-03-28 q-bio.PE q-bio.QM stat.AP
Estimating the impact of the COVID-19 pandemic using granular mortality data
我们提出了Li和Lee模型的扩展,以量化COVID-19大流行期间五个欧洲国家的死亡率。前两个因素用于模拟COVID前的死亡率,第一层模拟共同趋势,第二层模拟特定国家与共同趋势的偏离。我们增加第三层,以反映二零二零年及二零二一年COVID-19对国家的影响超过COVID-19前的趋势。我们使用短期死亡率波动数据库中的每周死亡率数据来校准第三个因素,我们使用荷兰死亡的更细粒度数据集来评估更详细数据的附加值。我们使用我们的框架,根据疫情未来发展的不同可能情况来确定死亡率预测。
2022-09-14 stat.AP