فاصله‌هاي پيش‌بيني بوت‌استرپ براي احتمال مرگ و مير ايران

Bootstrap Prediction Intervals for Mortality Probability of Iran

بررسي روند و احتمال مرگ و مير براي برنامه‌ريزان، كارشناسان جمعيت، سازمان‌هاي بازنشستگي و شركت‌هاي بيمه اهميت زيادي دارند. تحقيقات نشان مي‌دهد جدول‌هاي مرگ و مير ايستا، احتمالات مرگ و مير را زياد نشان مي‌دهند. علت بيش‌برآوردي احتمالات مرگ و مير در جدول‌هاي ايستا را مي‌توان به ناديده گرفتن تغييرات مرگ و مير بر حسب زمان نسبت داد. جدول‌هاي مرگ و مير پويا با در نظر گرفتن اثر زمان در سنين مختلف بر روند مرگ و مير از دقت بيش‌تري برخوردار هستند. در اين مقاله، براي برآورد روند مرگ و مير ابتدا با استفاده از روش لي- كارتر مدلي برحسب زمان و رده‌هاي سني به داده‌هاي نرخ مرگ و مير برازش و پارامترهاي مدل را برآورد مي‌كنيم. سپس با استفاده از روش‌هاي بوت استرپ پارامتري و نيم پارامتري فاصله‌هاي پيش‌بيني را براي احتمال‌هاي مرگ و مير محاسبه مي‌كنيم. در انتها اين مراحل را براي تحليل داده‌هاي مرگ و مير ايران به‌طور مجزا براي مردان و زنان استفاده مي‌كنيم.

Mortality forecasts are nowadays widely used to create and modify retirement pension schemes, disability insurance systems and other social security programmers. Experience shows that static life tables overestimate death probabilities. The reason for this overestimation is that static life tables, though being computed for a specific period of time, cannot take into account the decreasing mortality trend over time. Dynamic life tables overcome this problem by incorporating the influence of the calendar when graduating mortality. In this paper, we first apply the Lee-Carter model for estimation of mortality rate. Then, we use parametric and semi parametric bootstrap prediction intervals for mortality trend. Finally, these methods are applied for analysis of mortality data of Iran.