广义线性混合模型在死亡数据分析中的应用

摘要

广义线性混合模型将广义线性模型与线性混合模型有机结合起来，它兼具了二者的优点，可以用于拟合离散型非独立数据。死亡数据服从二项分布，且在不同地区、不同时代存在异质性，在同一地区、同一时代存在非独立性，因而运用广义线性混合模型对不同地区、不同时代的死亡数据进行研究是较为合理的。本文运用广义线性混合模型对中国自然人的死亡数据进行了研究，通过对随机因素的多种设定，我们得到了7个可用模型，并得到了如下结论：男性死亡率高于女性；10岁之后，年龄越大死亡率越大；10岁之前，年龄越小死亡率越大；死亡率最低的三个地区是上海、北京、海南；死亡率最高的三个地区是西藏、云南、青海；同等条件下，2010的死亡率低于2000年的死亡率；城市居民的死亡率低于镇居民的死亡率，镇居民的死亡率低于农村居民的死亡率；西北地区和西南地区的死亡率城乡差距较大；东北地区和华北地区的死亡率，尤其是城市和镇的死亡率在全国来看是偏高的；华南地区和华东地区的死亡率在全国来看是偏低的；中部地区的死亡率排名无论城市还是乡镇始终处于中流地位。该结论对国家扶贫政策及医疗保障政策的制定有直接指导意义，同时该结论也为中国针对不同地区、不同时代的保险精算技术提供了理论依据。

目录

封面

中文摘要

英文摘要

目录

第一章 绪论

1.1线性模型简介

1.2广义线性混合模型的国内外研究应用现状

1.3本文内容及框架

1.4研究意义

第二章 广义线性混合模型介绍

2.1多元线性回归模型

2.2指数型分布族

2.3广义线性模型

2.4随机效应

2.5线性混合模型

2.6广义线性混合模型

第三章 广义线性混合模型在中国自然人死亡数据分析中的应用

3.1选择解释变量

3.2准备建模数据

3.3用广义线性模型进行死亡率建模

3.4用广义线性混合模型进行死亡率建模

3.5本章小结

第四章 结束语

4.1主要工作

4.2后续研究工作

参考文献

附录1

附录2

附录3

致谢

声明