發(fā)布時間：2020-12-30 18:03

　　本文運用四狀態(tài)時間非齊次馬爾科夫模型對65～105歲老年人的健康轉(zhuǎn)移強度建模,在Tweedie-GLM模型的框架下,加入年齡效應(yīng)、時間趨勢和年齡-時間交互效應(yīng)。實證結(jié)果表明,除了常見的年齡效應(yīng)外,時間趨勢和年齡-時間交互作用也是解釋健康狀態(tài)轉(zhuǎn)移的重要因素。本文還基于精算理論預(yù)測預(yù)期壽命和護理需求期望時間,并給出2020年的長期護理保險精算費率表,結(jié)果發(fā)現(xiàn)在各個時刻下的女性,相較于相同年齡和初始健康狀態(tài)下的男性都具有絕對的生存優(yōu)勢;雖然在2002～2012年男性具有健康優(yōu)勢,但隨著時間的推移,男性在失能狀態(tài)的持續(xù)時間將超過女性,而女性在受損狀態(tài)的持續(xù)時間一直穩(wěn)步超過男性,二者疊加使得2020年初始狀態(tài)為失能的男性長期護理保險費率顯著高于女性。 

【文章來源】：保險研究. 2020年07期 北大核心CSSCI

【文章頁數(shù)】：14 頁

【文章目錄】：
一、引言與文獻綜述
二、數(shù)據(jù)及其描述統(tǒng)計
    （一）數(shù)據(jù)
    （二）界定長期護理狀態(tài)
    （三）描述統(tǒng)計
三、基于非齊次Markov過程的轉(zhuǎn)移概率模型
    （一）四狀態(tài)時間非齊次Markov模型
    （二）健康轉(zhuǎn)移概率的估計模型
    （三）各健康狀態(tài)下老年人的預(yù)期生存時間
    （四）長期護理保險精算費率
四、轉(zhuǎn)移概率矩陣的實證分析
    （一）健康狀態(tài)轉(zhuǎn)移概率矩陣
    （二）預(yù)期壽命和狀態(tài)持續(xù)時間
        1.不同時刻和不同初始健康狀態(tài)的預(yù)期壽命
            （1）橫截面維度
            （2）時間維度
        2.不同時刻在不同健康狀態(tài)的持續(xù)時間
    （三）老年人長期護理保險費率
五、結(jié)論與展望


【參考文獻】：
期刊論文
[1]考慮狀態(tài)停留時長的我國中老年人口狀態(tài)轉(zhuǎn)移概率測算[J]. 劉樂平,唐爽,程瑞華.  保險研究. 2020(02)
[2]基于Markov模型的長期護理保險定價[J]. 王新軍,王佳宇.  保險研究. 2018(10)
[3]中國老年人口長期護理需求預(yù)測——基于多狀態(tài)分段常數(shù)Markov分析[J]. 崔曉東.  中國人口科學(xué). 2017(06)
[4]中國老年人失能時間研究[J]. 張立龍,張翼.  中國人口科學(xué). 2017(06)
[5]Tweedie分布在車險費率厘定中的應(yīng)用[J]. 張連增,謝厚誼.  保險研究. 2017(01)
[6]政策性長期護理保險定價研究——以北京市為例[J]. 荊濤,楊舒,謝桃方.  保險研究. 2016(09)
[7]基于家庭微觀數(shù)據(jù)的長期護理保險定價[J]. 胡曉寧,陳秉正,祝偉.  保險研究. 2016(04)
[8]中國老年長期護理服務(wù)需求評估與預(yù)測[J]. 胡宏偉,李延宇,張瀾.  中國人口科學(xué). 2015(03)
[9]中國老年人平均預(yù)期照料時間研究——基于生命表的考察[J]. 黃匡時,陸杰華.  中國人口科學(xué). 2014(04)
[10]中國老年健康影響因素跟蹤調(diào)查（1998-2012）及相關(guān)政策研究綜述（下）[J]. 曾毅.  老齡科學(xué)研究. 2013(02)



本文編號：2948065