發(fā)布時(shí)間：2020-12-19 10:05

　　二十一世紀(jì)以來(lái),人口統(tǒng)計(jì)資料公布的我國(guó)分年齡段人口數(shù)據(jù)中,65歲以上的人口比例越來(lái)越大,這說(shuō)明我國(guó)的人口老齡化程度在不斷加劇。而導(dǎo)致人口老齡化的原因一是出生率的降低,一是壽命的延長(zhǎng)。生育率會(huì)隨社會(huì)、經(jīng)濟(jì)水平、生育政策等一系列的社會(huì)、經(jīng)濟(jì)、文化水平而變化并穩(wěn)定下來(lái),在一定的生育水平下,死亡率的持續(xù)降低,預(yù)期壽命不斷延長(zhǎng)成為人口老齡化愈加嚴(yán)重的長(zhǎng)期影響因素。預(yù)期壽命延長(zhǎng)將導(dǎo)致養(yǎng)老金個(gè)人賬戶出現(xiàn)缺口,這將給我國(guó)社會(huì)養(yǎng)老保險(xiǎn)體系帶來(lái)巨大支付壓力。死亡率預(yù)測(cè)一直是人口學(xué)重點(diǎn)關(guān)注的內(nèi)容,Lee-Carter類模型和CBD類模型是死亡率隨機(jī)預(yù)測(cè)的兩大類經(jīng)典模型,CBD模型在高年齡死亡率數(shù)據(jù)上有更好的預(yù)測(cè)效果,本文利用中國(guó)城市高齡人口分年齡數(shù)據(jù)建立CBD模型。我國(guó)高年齡人口統(tǒng)計(jì)數(shù)據(jù)的年齡上限不規(guī)則,這給建立CBD模型帶來(lái)了麻煩,本文采用一種迭代加權(quán)最小二乘法對(duì)模型參數(shù)進(jìn)行估計(jì),在建模時(shí)根據(jù)AIC準(zhǔn)則等統(tǒng)計(jì)判別方法,確定最適宜建模的年齡段,這是本文的一個(gè)創(chuàng)新點(diǎn)。另外,根據(jù)原始數(shù)據(jù)建立的CBD模型所計(jì)算的預(yù)期壽命與同期國(guó)家統(tǒng)計(jì)局公布的預(yù)期壽命存在明顯差異,于是,根據(jù)國(guó)家統(tǒng)計(jì)局公布的預(yù)期壽命對(duì)模型的時(shí)間因子... 

【文章來(lái)源】：華北電力大學(xué)河北省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：44 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

中國(guó)城市人口不同年份死亡率的logit變換圖

圍 60-89 60-90 60-91IC 值 -3.125885 -3.13185 -3.1382圍 60-92 60-93 60-94IC 值 -3.145941 -3.152105 -3.1526圍 60-95 60-96 60-97IC 值 -3.155265 -3.142136 -3.1288圍 60-98 60-99IC 值 -3.111248 -3.091045息準(zhǔn)則判斷模型的優(yōu)良性時(shí)，需要假定數(shù)據(jù)服從正進(jìn)行檢驗(yàn)，如果不通過(guò)，則上述計(jì)算結(jié)果沒有意義態(tài)分布的 QQ 圖,就是由標(biāo)準(zhǔn)正態(tài)分布的分位數(shù)為。要利用 QQ 圖鑒別樣本數(shù)據(jù)是否近似于正態(tài)分布在一條直線附近。圖 3-2 中的點(diǎn)大致呈一條直線，此選用 60-95 歲的數(shù)據(jù)建模是合理的。

tt數(shù)，死亡率缺失年齡的數(shù)據(jù)權(quán)重設(shè)為 0，并對(duì)數(shù)據(jù)缺失位置的數(shù)據(jù)賦予任意的一正整數(shù)，由此形成規(guī)則的數(shù)據(jù)，以方便后續(xù)的參數(shù)估計(jì)，估計(jì)方程如下： 21 2log ,t tl w d itq x t k k x x（3-1）用 1 2,Tt tK k k表示參數(shù)向量， l K 0,即 0 0 0l K l K K K 0可以出： 10 0 0K K l K l K （3-2）給定一個(gè)初始值 0 K ，利用式（3-2）反復(fù)迭代，直至相鄰兩次迭代結(jié)果之間的差小于一個(gè)給定的閾值（本文選用 1e-8），可認(rèn)為迭代過(guò)程收斂，并把最后一次的代結(jié)果作為參數(shù)K 的估計(jì)值。由此，式（3-2）經(jīng)過(guò)多次迭代后可表示為： 1mm 1 m 1 m1K K l K l K （3-3）模型參數(shù)的估計(jì)結(jié)果見圖 3-3 和圖 3-4。

【參考文獻(xiàn)】：
期刊論文
[1]應(yīng)對(duì)長(zhǎng)壽風(fēng)險(xiǎn)的分紅年金:隨機(jī)精算建模與應(yīng)用[J]. 單戈,王曉軍.  數(shù)理統(tǒng)計(jì)與管理. 2017(03)
[2]長(zhǎng)壽風(fēng)險(xiǎn)對(duì)基本養(yǎng)老保險(xiǎn)影響的測(cè)度[J]. 姜增明,單戈.  經(jīng)濟(jì)與管理研究. 2016(11)
[3]Lee-Carter模型的理論分布和區(qū)間預(yù)測(cè)[J]. 王志剛,王曉軍,張學(xué)斌.  數(shù)理統(tǒng)計(jì)與管理. 2016(03)
[4]我國(guó)死亡率預(yù)測(cè)與長(zhǎng)壽風(fēng)險(xiǎn)[J]. 蘇華,趙文.  經(jīng)營(yíng)管理者. 2016(06)
[5]Lee-Carter模型在模型生命表拓展中的應(yīng)用——以中國(guó)區(qū)域模型生命表為例[J]. 黃匡時(shí).  人口研究. 2015(05)
[6]兩因子隨機(jī)死亡率狀態(tài)空間模型及長(zhǎng)壽風(fēng)險(xiǎn)測(cè)度[J]. 何穎媛,劉貫春.  財(cái)經(jīng)理論與實(shí)踐. 2014(05)
[7]中國(guó)人口死亡率Lee-Carter模型的再抽樣估計(jì)、預(yù)測(cè)與應(yīng)用[J]. 吳曉坤,王曉軍.  中國(guó)人口科學(xué). 2014(04)
[8]我國(guó)個(gè)人年金長(zhǎng)壽風(fēng)險(xiǎn)的資本要求度量[J]. 王志剛,王曉軍,張學(xué)斌.  保險(xiǎn)研究. 2014(03)
[9]我國(guó)人口死亡率建模與養(yǎng)老金個(gè)人賬戶的長(zhǎng)壽風(fēng)險(xiǎn)分析[J]. 金博軼.  統(tǒng)計(jì)與決策. 2013(23)
[10]有限數(shù)據(jù)下Lee-Carter模型在人口死亡率預(yù)測(cè)中的應(yīng)用[J]. 王曉軍,任文東.  統(tǒng)計(jì)研究. 2012(06)

碩士論文
[1]長(zhǎng)壽風(fēng)險(xiǎn)對(duì)商業(yè)養(yǎng)老保險(xiǎn)定價(jià)的影響研究[D]. 孫華楓.中國(guó)青年政治學(xué)院 2016
[2]基于Lee-Carter模型的生存年金精算現(xiàn)值研究[D]. 張秋蕓.廣州大學(xué) 2016
[3]國(guó)內(nèi)人口預(yù)期壽命研究—運(yùn)用Lee-Carter模型和CBD模型[D]. 高原.山東大學(xué) 2015
[4]老齡化背景下我國(guó)壽險(xiǎn)公司面臨的長(zhǎng)壽風(fēng)險(xiǎn)及其應(yīng)對(duì)策略[D]. 劉立.西南財(cái)經(jīng)大學(xué) 2014
[5]我國(guó)商業(yè)保險(xiǎn)公司的長(zhǎng)壽風(fēng)險(xiǎn)分析及其應(yīng)對(duì)方法研究[D]. 高銘.西南財(cái)經(jīng)大學(xué) 2014
[6]基于中國(guó)數(shù)據(jù)的隨機(jī)死亡率模型比較研究[D]. 張佶煒.華東師范大學(xué) 2014
[7]基于Lee-Carter模型預(yù)測(cè)中國(guó)人口死亡率[D]. 芮偉.西南財(cái)經(jīng)大學(xué) 2011
[8]運(yùn)用Lee-Carter模型預(yù)測(cè)中國(guó)城鎮(zhèn)人口死亡率[D]. 趙明.東北財(cái)經(jīng)大學(xué) 2010
[9]運(yùn)用Lee-Carter方法預(yù)測(cè)中國(guó)人口死亡率[D]. 尹莎.湖南大學(xué) 2005



本文編號(hào)：2925715