مقايسه روش تحليل مجموعه‌ مقادير تكين در پيش‌بيني نرخ مرگ‌ومير با روش‌هايي از خانواده لي-كارتر

A Comparison of Singular Spectrum Analysis Method with Methods in Lee-Carter Family in Forecasting Mortality Rate

نظر به اهميت مدل‌بندي و پيش‌بيني دقيق نرخ مرگ‌ومير در بسياري از تصميم‌گيري‌هاي حوزه جمعيت‌شناسي و بيمه آمار، در اين مقاله، براي نخستين‌بار، به بررسي توانايي روش‎‎ تحليل مجموعه‌ مقادير تكين (يك روش ناپارامتري در تحليل سري‌هاي زماني) در مدل‌بندي و پيش‌بيني نرخ مرگ‌ومير خواهيم پرداخت. اين بررسي بر اساس مقايسه‌ نتايج حاصل از اين روش با چند عضو يكي از مشهورترين و پركاربردترين خانواده‌ها در اين حوزه، موسوم به لي-كارتر، انجام شده است. تاكنون، مقاله‌هاي متعددي در خصوص توانمندي روش تحليل مجموعه‌ مقادير تكين در مدل‌بندي و پيش‌بيني بسياري از سري‌هاي زماني ارايه شده است؛ اين اثر‏، تلاش ديگري در جهت بررسي يكي ديگر از قابليت‌هاي اين روش در مدل‌بندي و پيش‌بيني نرخ مرگ‌و‌مير خواهد بود. از بررسي‌هاي انجام‌شده مي‌توان نتيجه گرفت كه در بسياري از موارد، روش تحليل مجموعه‌ مقادير تكين از دقت بالاتري نسبت به اعضاي تحت مطالعه خانواده‌ لي-كارتر برخوردار است؛ ازاين‌رو‏، با توجه به ماهيت ناپارامتري اين روش‏، در صورت بسط ديگر جنبه‌هاي نظري آن‏، مي‌توان از آن به عنوان روشي توانمند در مدل‌بندي و پيش‌بيني نرخ مرگ‌ومير استفاده كرد.

Due to the importance of ‎exact‎‎ ‎modeling and forecasting mortality rate in many demographic and actuarial decisions, we present singular spectrum ‎analysis (SSA), ‎a‎ ‎nonparametric‎ ‎method‎ in ‎analyzing ‎time ‎series as a superior model ‎in‎ modeling and forecasting mortality rate. This ‎study‎‎ is based on comparing the results of this method with members of a well-known frequently-used family of mortality models known as Lee-Carter family. So far, numerous articles have been developed in regard of the competency of SSA at modeling and ‎forecasting‎ many time series. The current paper is a new attempt to study another capability of this method in modeling and forecasting mortality ‎rate.‎ According to our results, it can be concluded that in most cases, SSA is more accurate than members of Lee-Carter family; hence due to the nonparametric nature of this ‎method‎, in case other theoretical aspects develop, it can be considered as an effective method in ‎modeling and forecasting mortality rate.