基于EGARCH模型的煙臺市人群死亡率波動非對稱效應分析及預測應用
發(fā)布時間:2022-02-10 06:30
目的揭示人口及非人口影響因素對煙臺市人群死亡率波動的非對稱效應,預測死亡率變化趨勢。方法以2007-2017年全市死亡數(shù)據(jù)作為樣本數(shù)據(jù),建立季節(jié)調整月度死亡率ARIMA-GARCH時間序列模型,繪制信息沖擊曲線,預測2018年死亡率。結果在偏正態(tài)分布假設下擬合的ARIMA(1,1,1)(1,1,0)12-EGARCH(1,2)模型較好地捕捉到死亡率波動性,且預測效果優(yōu)于單純ARIMA模型。結論煙臺市人群死亡率的波動對人口因素的影響較非人口因素更加敏感,模型的短期預測結果可對死亡率的變化趨勢起到一定的指示作用。
【文章來源】:中國衛(wèi)生統(tǒng)計. 2020,37(03)北大核心CSCD
【文章頁數(shù)】:4 頁
【部分圖文】:
2007-2018年煙臺市≥65歲人口構成變化趨勢
2007-2018年煙臺市人群粗死亡率總體呈明顯的上升趨勢(AAPC=2.15%,95%CI:1.56%~2.74%,P<0.05),而標化死亡率總體明顯下降(AAPC=-4.95%,95%CI:-6.20%~3.69%,P<0.05),如圖2。2007-2018年全市粗死亡率差別分解可得,人口因素導致死亡率上升362.40/10萬,占人口和非人口因素共同作用的65.00%;非人口因素導致死亡率下降195.15/10萬,占35.00%。
2007-2017年煙臺市原始月度死亡率分布具有明顯的周期性規(guī)律;經(jīng)季節(jié)調整后的月度死亡率周期波動幅度較原始序列明顯縮小,隨年度變化總體呈明顯的上升趨勢(F=150.30,P<0.05),如圖3。4.季節(jié)調整月度死亡率ARIMA模型建立
本文編號:3618413
【文章來源】:中國衛(wèi)生統(tǒng)計. 2020,37(03)北大核心CSCD
【文章頁數(shù)】:4 頁
【部分圖文】:
2007-2018年煙臺市≥65歲人口構成變化趨勢
2007-2018年煙臺市人群粗死亡率總體呈明顯的上升趨勢(AAPC=2.15%,95%CI:1.56%~2.74%,P<0.05),而標化死亡率總體明顯下降(AAPC=-4.95%,95%CI:-6.20%~3.69%,P<0.05),如圖2。2007-2018年全市粗死亡率差別分解可得,人口因素導致死亡率上升362.40/10萬,占人口和非人口因素共同作用的65.00%;非人口因素導致死亡率下降195.15/10萬,占35.00%。
2007-2017年煙臺市原始月度死亡率分布具有明顯的周期性規(guī)律;經(jīng)季節(jié)調整后的月度死亡率周期波動幅度較原始序列明顯縮小,隨年度變化總體呈明顯的上升趨勢(F=150.30,P<0.05),如圖3。4.季節(jié)調整月度死亡率ARIMA模型建立
本文編號:3618413
本文鏈接:http://sikaile.net/shekelunwen/renkou/3618413.html
最近更新
教材專著