论文部分内容阅读
人均寿命作为国民经济发展水平的重要指标之一。随着人均寿命的增长,随之而来的是人口老龄化问题。如我国男性法定退休年龄为65岁,女性为60岁;在法定工作年龄不变的情况下,人均寿命越长,意味着社会抚养压力越大。如果能提前了解人均寿命的变化趋势将对各项社会养老政策的制定起决定性作用。为了解决人均寿命的预测问题,研究老年人口每个年龄部分的死亡率显得至关重要。为了准确预测人均寿命,文章采用两种建模方法对人口死亡率进行建模分析,它们分别为ARIMA模型、Holt-Winters指数模型;由于每个年龄部分的人口死亡率通常是有差异的,但是年龄越接近通常自然死亡率就越接近,所以对于ARIMA模型的原始数据,我们先以余弦相似度作为年龄段聚类的度量,得到三个聚类结果,再从每个聚类中选取一个年龄作为死亡率建模的代表数据序列;最终通过人均寿命与死亡率的转化关系得到人均寿命。对Holt-Winters模型,先对数据进行分段,再将分段数据按年份构造周期型数据序列,最后将周期型数据序列段作为Holt-Winters建模数据。通过对数据进行合理分析处理,用1963年至2015年的数据进行聚类处理得到ARIMA模型;用1983年至2015年的数据进行分段拉直处理得到Holt-Winters模型。采用死亡率的相对误差和绝对误差作为模型优劣的评估指标。最后利用预测相对误差和绝对误差分析验证了ARIMA模型的可行性和有效性,通过建模步骤与实验结果对比发现Holt-Winters模型的综合性能要显著好于ARIMA模型。ARIMA模型与Holt-Winters模型建模方式能够有效地用于人口死亡率的建模分析。