Varga, Lívia (2021) A koronavírus-járvány miatti többlethalálozás becslése Magyarországon. Manual. Budapesti Corvinus Egyetem, Budapest. (Unpublished)
|
PDF
- Requires a PDF viewer such as GSview, Xpdf or Adobe Acrobat Reader
1MB |
Abstract
Jelen kutatás során a 60 éves vagy annál idősebb népesség körében előrejelezzük a 2020. évi halálozást havonta, nemek szerint. A Lee–Carter-féle és a CBD modell közötti választást a 2019-re szóló előrejelzés alapján teszteljük, vagyis megnézzük, hogy a kettő közül melyik lehet alkalmasabb havi projekció elkészítésére. Eredményként látni fogjuk, hogy amennyiben a 2020. évi tényleges halálozási adatokat egy modell szerinti előrejelzéssel vetjük össze, eltérő értéket kapunk, mint ha az előző évek átlagához viszonyítanánk azt. A sztochasztikus mortalitási modellek alkalmazása mellett szól, hogy az előző évekhez történő hasonlítás nem veszi figyelembe a halandóság évről évre történő javulását, míg a halandósági modellek igen. A számítások elvégzése során három adatforrásra támaszkodunk: a Központi Statisztikai Hivatal (KSH), az elektronikus anyakönyvi rendszer (EAK) és egy kormányzati portál adatait használjuk fel.
| Item Type: | Monograph (Manual) |
|---|---|
| Subjects: | General statistics Social welfare, insurance, health care |
| Funders: | ITM Kooperatív Doktori Program, NKFIH |
| References: | Ágoston Kolos Csaba – Burka Dávid – Kovács Erzsébet – Vaskövi Ágnes – Vékás Péter, 2019, Klaszterelemzési eljárások halandósági adatokra. Statisztikai Szemle 97(7), pp 629–655.
Arató Miklós – Bozsó Dávid – Elek Péter – Zempléni András, 2009, Forecasting and simulating mortality tables. Mathematical and Computer Modelling 49(3–4), pp 805–813.
Barigou, Karim – Loisel, Stéphane – Salhi, Yahia, 2021, Parsimonious predictive mortality modeling by regularization and cross-validation with and without Covid-type effect. Risks 9(1), pp 1–18.
Cairns, Andrew J. G. – Blake, David – Dowd, Kevin, 2006, A two-factor model for stochastic mortality with parameter uncertainty: Theory and calibration. Journal of Risk and Insurance 73(4), pp 687–718.
Cairns, Andrew J. G. – Blake, David – Kessler, Amy – Kessler, Marsha, 2020, The impact of COVID-19 on future higher-age mortality. Pensions Institute Working Paper PI-2007
Enders, Walter, 2014, Applied econometric time series. Wiley series, 4th edition, New York.
Holford, Theodore R., 2006, Approaches to fitting age–period–cohort models with unequal intervals. Statistics in Medicine 25(6), pp 977–993.
Hunt, Andrew – Blake, David, 2014, A general procedure for constructing mortality models. North American Actuarial Journal 18(1), pp 116–138.
Hunt, Andrew – Blake, David, 2015, On the structure and classification of mortality models. Pensions Institute Working Paper PI-1506
Lee, Ronald D. – Carter, Lawrence R., 1992, Modeling and forecasting U.S. mortality. Journal of the American Statistical Association 87(419), pp 659–671.
Villegas, Andrés M. – Kaishev, Vladimir K. – Millossovich, Pietro, 2018, StMoMo: An R package for stochastic mortality modeling. Journal of Statistical Software 84(3), pp 1–38. https://doi.org/10.18637/jss.v084.i03 |
| ID Code: | 7363 |
| Deposited By: | Ádám Hoffmann |
| Deposited On: | 05 Apr 2022 14:51 |
| Last Modified: | 09 Jun 2022 09:21 |
Repository Staff Only: item control page
Download Statistics
Download Statistics