تجزیه وتحلیل مدل های مرگ ومیر با متغیرهای کمکی دارای گمشدگی تصادفی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 156

فایل این مقاله در 42 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIRC-36-3_002

تاریخ نمایه سازی: 2 بهمن 1400

چکیده مقاله:

هدف: این پژوهش با هدف مدل بندی مرگ ومیر در یک طرح بازنشستگی بر اساس داده های گمشده و دسترسی به اطلاعات مختلف از متغیرهای کمکی، تجزیه و تحلیل دقیق ساختار مدل های مختلف، برآوردیابی و در نهایت بررسی تاثیرات مالی برای تجربه های مختلف مرگ ومیر و حاوی داده های گمشده انجام شده است.  روش شناسی: این مقاله با یک طرح بازنشستگی سروکار دارد که در آن طول عمر آتی هر فرد با مدل های بقای پارامتری با ترکیب متغیرهای کمکی که ممکن است برای برخی از افراد گمشده باشند، مدل سازی شده است. پارامترها با روش ماکسیمم درستنمایی برآورد شده و الگوریتمی پیشنهاد گردیده که بتواند وظیفه برآوردیابی را به بهترین شکل ممکن انجام دهد.یافته ها: نتایج نشان داد در صورتی که داده ها گمشده باشند، مدل آماری همیشه با استفاده از ماکسیمم درست نمایی شناسایی پذیر نیست و تلفیق داده های حاصل از دو یا چند تجربه می تواند از موانع شناسایی پذیری جلوگیری نماید. نتیجه گیری: روش های پیشنهادی این مقاله هنگام محاسبه کمیت های مالی مورد علاقه براساس عامل های مستمری، برای بیم سنجان می تواند مفید باشد. این روش ها ممکن است مجموعه داده های مختلف با تجربه مرگ ومیر برابر یا مشابه را با هم ترکیب کنند، اندازه نمونه را افزایش دهند و ریسک پارامتر را کاهش دهند، بنابراین منجر به کاهش الزام سرمایه شوند. متغیرهای اقتصادی-اجتماعی از جمله سطح مزایا و مشخصات جغرافیایی جمعیتی در صورت پایین بودن نرخ بهره بیشتر مورد توجه قرار می گیرند.طبقه بندی موضوعی:  C۱۳،  C۲۴، C۵۱

نویسندگان

شیرین شعاعی

استادیار گروه بیم سنجی، دانشکده علوم ریاضی، دانشگاه شهید بهشتی، تهران، ایران. (نویسنده مسئول).

ریحانه فتحی

کارشناسی ارشد اکچوئری، گروه بیم سنجی، دانشکده علوم ریاضی، دانشگاه شهید بهشتی، تهران، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • ذکایی، محمد و مقصودی، مسطوره. (۱۳۸۹). بازسازی مدل های ...
  • شجاعی آذر، زهرا و حسن زاده، امین. (۱۳۹۳). کاربرد ...
  • کمیجانی، اکبر.، کوششی، مجید و نیاکان، لیلی. (۱۳۹۲). برآورد ...
  • مهدوی، غدیر.، دقیقی اصل، علیرضا و لطفی، نیر. (۱۳۹۰). ...
  • Catchpole, E. A. & Morgan, B. J. T. (۱۹۹۷). Detecting ...
  • Chen, Q., May, R. C., Ibrahim, J. G., Chu, H. ...
  • Dempster, A. P., Laird, N. M. & Rubin D. B. ...
  • Dickson, D., Hardy, M. & Waters, H. (۲۰۱۳). Actuarial mathematics ...
  • Egozcue, J. J., Pawlowsky-Glahn, V., Mateu-Figueras, G. & Barceló-Vidal, C. ...
  • Gompertz, B. (۱۸۲۵). On the nature of the function expressive ...
  • Herring, A. H. & Ibrahim, J. G. (۲۰۰۱). Likelihood-Based methods ...
  • Lin, X. S. & Liu, X. (۲۰۰۷). Markov aging process ...
  • Little, R. & An, H. (۲۰۰۴). Robust Likelihood-Based analysis of ...
  • Lord, F. M. (۱۹۵۵). Estimation of parameters from incomplete data. ...
  • Madrigal, A. M., Matthews, F. E., Patel, D., Gaches, A. ...
  • Macdonald, A. S., Richards, S. J. & Currie, I. D. ...
  • McLachlan, G. & Peel, D. (۲۰۰۰). Finite mixture models. Wiley ...
  • Richards, S. J. (۲۰۱۶). Mis-Estimation risk: Measurement and impact. British ...
  • Rubin, D. B. (۱۹۷۶). Inference and missing data. Biometrika, ۶۳(۳): ...
  • Schluchter, M. D. & Jackson, K. L. (۱۹۸۹). Log-Linear analysis ...
  • Titterington, D. M., Smith, A. F. M. & Makov, U. ...
  • Tsiatis, A. (۲۰۰۷). Semiparametric theory and missing data. Springer Science ...
  • Ungolo, F., Christiansen, M. C., Kleinow, T. & MacDonald, A. ...
  • Watanabe, S. (۲۰۱۰). Asymptotic equivalence of bayes cross validation and ...
  • Wilks, S. S. (۱۹۳۲). Moments and distributions of estimates of ...
  • Xu, Y., Kim, J. K. & Li, Y. (۲۰۱۷). Semiparametric ...
  • Yashin, A. (۲۰۰۱). Mortality models incorporating theoretical concepts of ageing. ...
  • نمایش کامل مراجع